我们真的在对预测模型进行基准测试吗？预处理对时间序列性能的影响

arXiv:2610.09096v1 公告类型：新 摘要：尽管已有文献强调了预处理对预测准确率的关键作用，但当前研究在很大程度上仍忽视了这一阶段。现代基准测试通常仅采用简单的缩放，未能考虑处理非平稳性所需的关键变换，例如差分。这一遗漏造成了显著的结构性预处理偏差，使内置数据处理能力的模型受益，同时掩盖了更简单架构的真正潜力。我们通过一个关注预处理的基准测试研究了这一影响，在 29,000 个 M4 时间序列上，使用 16 条可逆预处理流程评估了 11 个预测模型。结果表明，预处理是预测性能的关键驱动因素。针对每个序列优化预处理后，所有评估模型的性能均提升了约 27\% 至 87\%，其中未将预处理内置于模型中的架构改进最为显著。这使得更简单的架构能够在现代预测基准测试中与复杂的最先进模型展开极具竞争力的较量。该基准测试的所有资源和实验结果均存储于一个综合元数据集，以支持未来的元学习任务。