本文约3500字，建议阅读7分钟本文介绍本组ICLR2024时间序列预测方向的最新工作：iTransformer: Inverted Transformers Are Effective for Time Series Forecasting。

作者：刘雍*，胡腾戈*，张淏然*，吴海旭，王世宇，马琳涛，龙明盛

链接：

https://arxiv.org/abs/2310.06625

代码：

https://github.com/thuml/iTransformer

1.引言

近年来，Transformer在自然语言以及计算机视觉领域取得了长足的发展，逐渐成为深度学习的基础模型。在时序分析领域，受益于其强大的序列建模能力与可扩展性，Transformer广泛应用于时序预测，派生出了许多模型改进。

Transformer用于时序分析的结构分类

然而，受传统机器学习方法启发，近期涌现的线性预测模型，比起相对更复杂的Transformer及其变体，能够取得相当甚至更好的效果。由此，针对Transformer是否适合时序预测，引发了热烈讨论。

通过分析大量预测场景，我们认为在多变量时间序列上，Transformer的建模能力没有得到充分发挥。多变量时序数据非常广泛，每个变量代表一条独立记录的序列，可以是不同的物理量，例如气象预报中的风速，温度，气压等指标；也可以是不同的主体，例如工厂的不同设备，各个国家的汇率等。因此，变量之间一般具有不同的含义，即使相同，其测量单位以及数据分布也可能存在差异。

然而，现有模型没有充分考虑上述变量差异。基于Transformer的建模单位——词（Token），为了构建时序数据的词，以往方法将所有变量在同一时刻的时间点表示为一个词（Temporal Token），但由于其过小的感受野和变量间内生滞后期，这类词较难揭示足够丰富的语义甚至包含噪声干扰，限制了注意力机制建模词之间关系。另外，来自不同变量的时间点被映射到词表示后，原本独立的变量被杂糅为多维特征，使模型无法显式区分并捕捉变量间关联。

上：Transformer；下：iTransformer

我们提出Inverted Transformer，无需修改任何模块，倒置建模多变量时间序列。我们将变量的整条序列独立地映射为词（Variate Token）。以变量为主体，通过注意力机制自然地挖掘以词为单位的多变量关联。此外，Transformer的前馈网络和层归一化互相配合，消弭变量测量单位之间的范围差异，学习适合于时序预测的序列特征。

效果方面，iTransformer在基准数据集上实现了全面突破，并且高效部署在蚂蚁集团的服务器负载预报场景中。此外，我们对倒置框架进行了广泛的分析和泛化，为构建多变量时序基础模型提供了新思路。

六大基准数据集的预测效果

2. 相关工作

2.1 Transformer系预测模型

我们回顾以往Transformer预测模型，归纳为如下几种结构设计策略：

模块修改：主要为针对长序列的高效注意力模块，例如Informer，Autoformer。模块与结构修改：明确了时序依赖和变量相关建模的重要性，例如Crossformer使用两个注意力模块分别进行建模。无修改：注重时序数据的固有处理，例如Non-stationary Transformer的平稳化、PatchTST的分块（Patching），一般能带来通用的性能提升。

相比之下，我们未修改任何原生模块，而是将各模块作用于相反维度，同时建模时序和变量关联，更关注对多变量时序数据的结构适配。

2.2 多变量时序数据的词构建

不同于自然语言拥有天然的分词方式，基于Transformer进行时序分析，我们重新考虑词的构建方式：

Temporal Token: 以往模型的主流做法，将所有变量同一时刻的时间点表示为词，获得以时间点为单位的词序列。Patch Token：在时间维度上对序列进行分块，扩大的感受野包含局部序列变化，从而获得语义性更强的词。

相比之下，我们着眼于变量的整体性，提出Variate Token，关注以变量为主体的关联建模，适合变量数较多且互相关联的多维时序数据。

时序数据的词构建方式对比

3. iTransformer

3.1 模型结构

iTransformer基于仅编码器（Encoder-only）结构，包括嵌入层（Embedding），映射层（Projector）和若干Transformer模块（TrmBlock），可堆叠深度来建模多变量时序数据。

iTransformer整体结构

3.2 以变量为主体的特征表示

给定时间长度为 ，变量数为 的多维时间序列 ，我们使用 表示同一时刻的所有变量， 表示同一变量的整条序列。

如前所述， 相比 具有一致的语义与测量单位，不同于以往模型将 视作独立的词，我们使用嵌入层学习变量 的序列特征表示（Series Representation），独立聚合每个变量的全局特征：

其中 蕴含了对应变量在过去时间内的全部时序变化，称为Variate Token。在后续各层中，每个Variate Token之间通过自注意力机制进行信息交互；在每个Variate Token内部，层归一化统一不同变量的测量单位与特征分布，前馈网络进行全连接式特征编码。最终通过映射层将每个词Variate Token分别映射为预测结果。整个计算过程表示如下:

嵌入层和映射层均由多层感知机（MLP）实现。由于时间点之间的顺序已经隐含在神经元的排列顺序中，模型能够感知时间点的顺序关系，因此不需要额外引入位置编码（Position Embedding）。

3.3 模块分析

我们重新审视了各模块在倒置维度上的职责。

（1） 层归一化：在此前Transformer中，层归一化将同一时刻的的多个变量进行归一化，使每个变量杂糅无法区分，提高了注意力建模词关联的难度。一旦收集到的数据没有按时间对齐，该操作还将引入延迟过程之间的噪声干扰。

在倒置版本中，层归一化作用于Variate Token内部，让所有变量的特征都处于相对统一的分布下，减弱测量单位的差异。这种方式还可以有效处理时间序列的非平稳问题问题。

（2） 前馈网络：基于多层感知机的万能表示定理，前馈网络作用在整条序列上，能够提取序列的内在属性，例如幅值，周期性，频率谱（傅立叶变换可视作在序列上的全连接映射），从而提高在其他的序列上的泛化性。

（3） 注意力：注意力机制建模了不同词之间的关联，通过分析注意力图的每个位置的计算公式：

其中 对应任意两个以变量为主体的的Query和Key向量，我们发现注意力图可以在一定程度上揭示变量的相关性：

在后续的Softmax加权操作中，高度相关的变量将在与其Value向量的交互中获得更大的权重，因此这种设计更自然地建模了多变量时序数据的关联，在有物理知识驱动的复杂预测场景中格外重要。

4. 实验分析

iTransformer在多维时序预测基准上进行了实验，并部署在蚂蚁集团的线上服务负载预测场景，涵盖19个数据集，76种不同的预测设置。

我们对比了10种深度预测模型，包含领域代表性Transformer模型：PatchTST（2023）、Crossformer（2023）、FEDformer（2022）、Stationary（2022）、Autoformer（2021）；线性预测模型：TiDE（2023）、DLinear（2023）、RLinear（2023）；TCN系模型：TimesNet（2023）、SCINet（2022）。

4.1 时序预测

相较以往测试基准汇报模型在不同输入长度下调优后的效果，我们使用统一的输入长度，一方面避免过度调参，另一方面契合真实预测场景。如下表所示，iTransformer在基准比较中显著超过此前领域最优效果。此前受到质疑的Transformer，只需简单倒置，就能在多变量时序预测中超越目前主流预测模型。

在蚂蚁集团提供的服务负载数据集上，由于较多变量数（>300）以及复杂变量关联，我们相较其他模型取得了大幅领先，验证了模型针对多变量时序数据建模的有效性，为模型的落地提供了基础。

4.2 框架能力

我们将其他Transformer变体模型进行同样的倒置，证明倒置是符合建模多变量时序数据的通用框架。

（1）提升预测效果

在预测效果上，每个模型相较倒置前均取得了大幅度的提升，也证明iTransformer可以受益于高效注意力组件的相关研究。

（2）受益于变长观测

以往Transformer模型的效果不一定随着输入的历史观测的变长而提升，在使用倒置框架后，模型随着历史观测长度的增加，呈现明显的预测误差降低趋势。

（3）泛化到未知变量

通过倒置，模型在推理时可以输入不同于训练时的变量数，结果表明该框架在仅使用部分变量训练时能够取得较低的误差，证明证明倒置结构在变量特征学习上的泛化性。

4.3 深入分析

（1）数据分析

通过可视化Traffic数据集的片段，每个变量表示一个街区的道路堵塞情况，我们发现变量间存在着显著的内生滞后关系（Sensor 1-2），一定程度解释了此前Transformer的失效原因（聚合同一时刻但在事件描述上并未对齐的变量）。

我们可视化了服务器负载预测的片段，发现模型学到的注意力图能够反映不同变量之间的相关性，增强了模型的可解释性。

（2）消融实验

使用注意力建模变量间关系，使用线性层提取变量内表征，在大部分数据集取得了最优效果，验证了倒置结构设计的合理性。

（3）特征表示分析

我们分析了CKA度量（CKA越低，代表模型浅层-深层的特征差异越大）。此前研究表明，时序预测往往偏好更高的CKA相似度。通过对倒置前后的模型分别计算CKA，得到了左图的结果，印证了倒置模型学到了更高的CKA，从而取得更好的预测效果。

右图可视化了变量相关性和注意力图，我们观察到：

在浅层注意模块，学习到的注意力图与历史序列的变量相关性更加相似。当深层注意模块，学习到的注意力图与待预测序列的变量相关性更加相似。

说明注意力图体现了变量相关性，并且在浅层网络中进行了对历史观测的特征编码，深层网络逐渐解码为待预测序列。

5. 总结

考虑多变量时间序列的特性，我们反思了以往Transformer模型的失效原因，提出倒置建模的视角，模块各司其职，配合完成多维时序数据两个维度的建模难题，展现出优良的性能和通用性。

回顾Transformer在其他领域的蓬勃发展，我们希望充分发挥其在时间序列领域的序列建模能力与可扩展性，使其重新回到时序分析的主流位置，为时序领域的基础模型的构建提供新思路。

欢迎感兴趣的朋友阅读论文(https://arxiv.org/pdf/2310.06625.pdf)或者访问项目页面(https://github.com/thuml/iTransformer)了解更多内容。