现实综合多元时间序列的动态线性共区域化

合成数据对于训练时间序列 (FMTS) 基础模型至关重要，但大多数生成器都假设静态相关性，并且通常缺少实际的通道间依赖性。我们引入了 DynLMC，一种共区域化的动态线性模型，它结合了时变、状态切换相关性和跨通道滞后结构。我们的方法产生具有与真实数据非常相似的相关动态的合成多元时间序列。 微调 基于 DynLMC 生成的数据的三个基础模型在九个基准测试中产生一致的零样本预测改进。我们的结果表明，动态通道间相关性建模增强了 FMTS 可转移性，凸显了以数据为中心的预训练的重要性。