Прогнозирование временных рядов напряжения в рамках Anomalies с использованием модели WGAN с контролем Липшица и прогрессивной критической стратегией ядер

arXiv: 261 020.23394v 1 Annualce Type: New Humber Abstract: В задаче прогнозирования временных рядов использование рекурсивного прогнозирования в отношении высокомерных данных существенно повышает сложность процесса прогнозирования. Основная проблема заключается в том, что долгосрочная динамика становится все труднее моделировать, поскольку последовательность характеризуется большей временной изменчивостью. Для противодействия этому ограничению и совершенствования моделирования долгосрочной динамики, а что более важно, для решения проблемы высокомерного рекурсивного прогнозирования в этом документе используется Wasserstein GAN, оснащенный прогрессивным наказанием Липшица и адаптационным ядром. Эта модель способна использовать окно потока данных и прогнозировать следующие значения, а затем реконструировать поток временных рядов и динамично адаптировать свое ядро к каждому новому окну. Прооперированная модель представляет собой систему глубокого обучения, основанную на Wasserstein GAN (WGAN-CLP) с адаптивным ядром для изменения моделей в временных рядах потоков напряжения. Чтобы создать методологическую основу, мы