【KDD2025】DUET：双重聚类增强的多变量时间序列预测

多变量时间序列预测在金融投资、能源管理、天气预测和交通优化等多个领域具有重要应用。然而，准确的预测面临两大挑战。首先，现实世界中的时间序列往往呈现出异质性的时间模式，这些模式由于时间上的分布变化而发生变化。其次，各通道之间的相关性复杂且交织在一起，这使得精确且灵活地建模通道之间的交互关系变得困难。

在本研究中，我们提出了一种名为DUET的通用框架，以应对这些挑战，该框架在时间和通道维度上引入了双重聚类来增强多变量时间序列预测。首先，我们设计了一个时间聚类模块（Temporal Clustering Module，TCM），该模块将时间序列聚类为细粒度分布，以处理异质性的时间模式。对于不同的分布簇，我们设计了不同的模式提取器，用于捕捉其内在的时间模式，从而建模异质性。其次，我们引入了一种新的通道软聚类策略，并设计了一个通道聚类模块（Channel Clustering Module，CCM），该模块通过度量学习在频域中捕捉通道之间的关系，并应用稀疏化来减轻噪声通道的负面影响。最后，DUET结合了TCM和CCM，综合了时间和通道两个维度。

在来自10个应用领域的25个真实世界数据集上的广泛实验表明，DUET在性能上达到了当前最先进水平。