时间序列基础模型嵌入空间的非平稳性

时间序列基础模型（TSFM）被广泛用作通用特征提取器，但对其嵌入空间中的非平稳性概念仍然知之甚少。最近的工作经常将非平稳性与分布变化混为一谈，模糊了经典时间序列分析和统计过程控制 (SPC) 等长期存在的方法论的基本区别。在 SPC 中，非平稳性表明过程离开稳定状态（通过均值、方差或新兴趋势的变化），而检测此类偏离对于质量监控和变化点分析至关重要。受这种诊断传统的推动，我们研究了如何在受控条件下在 TSFM 嵌入空间中线性访问不同形式的分布非平稳性（均值平移、方差变化和线性趋势）。我们进一步研究了持久性引起的时间非平稳性，这反映了由于长记忆或近单位根行为而不是明确的分布变化而导致的弱平稳性的违反。通过扫描移位强度并探测多个 TSFM，我们发现非平稳性的嵌入空间可检测性平稳下降，并且不同的模型表现出不同的、特定于模型的故障模式。