notesum.ai

Published at November 7

EffiCANet: Efficient Time Series Forecasting with Convolutional Attention

cs.LG

cs.AI

Released Date: November 7, 2024

Authors: Xinxing Zhou¹, Jiaqi Ye¹, Shubao Zhao², Ming Jin³, Chengyi Yang², Yanlong Wen¹, Xiaojie Yuan¹

Aff.: ¹College of CS, Nankai University; ²Digital Research Institute of ENN Group; ³School of ICT, Griffith University

Arxiv: http://arxiv.org/abs/2411.04669v1

Refer to caption

Models

EffiCANet

ConvTimeNet

(2024)

ModernTCN

(2024)

PatchTST

(2023)

Crossformer

(2023)

MTS-mixer

(2023)

DLinear

(2023)

TimesNet

(2023)

MICN

(2023)

RLinear

(2023)

RMLP

(2023)

Metric

MSE

MAE

MSE

MAE

MSE

MAE

MSE

MAE

MSE

MAE

MSE

MAE

MSE

MAE

MSE

MAE

MSE

MAE

MSE

MAE

MSE

MAE

ETTm1

96

0.288

0.337

0.292

0.345

0.292

0.346

0.290

0.342

0.316

0.373

0.314

0.358

0.299

0.343

0.338

0.375

0.314

0.360

0.301

0.342

0.298

0.345

192

0.331

0.364

0.329

0.368

0.332

0.368

0.332

0.369

0.377

0.411

0.354

0.386

0.335

0.365

0.371

0.387

0.359

0.387

0.335

0.363

0.344

0.375

336

0.362

0.384

0.363

0.390

0.365

0.391

0.366

0.392

0.431

0.442

0.384

0.405

0.369

0.386

0.410

0.411

0.398

0.413

0.370

0.383

0.390

0.410

720

0.407

0.413

0.427

0.428

0.416

0.417

0.416

0.420

0.600

0.547

0.427

0.432

0.425

0.421

0.478

0.450

0.459

0.464

0.425

0.414

0.445

0.441

Avg

0.347

0.375

0.353

0.383

0.351

0.381

0.351

0.381

0.431

0.443

0.370

0.395

0.357

0.379

0.400

0.406

0.383

0.406

0.358

0.376

0.369

0.393

ETTm2

96

0.165

0.254

0.167

0.257

0.166

0.256

0.165

0.255

0.296

0.352

0.177

0.259

0.167

0.260

0.187

0.267

0.178

0.273

0.164

0.253

0.174

0.259

192

0.217

0.289

0.222

0.295

0.222

0.293

0.220

0.292

0.342

0.385

0.241

0.303

0.224

0.303

0.249

0.309

0.245

0.316

0.219

0.290

0.236

0.303

336

0.271

0.327

0.276

0.329

0.272

0.324

0.274

0.329

0.410

0.425

0.297

0.338

0.281

0.342

0.321

0.351

0.295

0.350

0.273

0.326

0.291

0.338

720

0.340

0.377

0.358

0.381

0.351

0.381

0.362

0.385

0.563

0.538

0.396

0.398

0.397

0.421

0.497

0.403

0.389

0.406

0.366

0.385

0.371

0.391

Avg

0.248

0.312

0.256

0.316

0.253

0.314

0.255

0.315

0.402

0.425

0.277

0.325

0.267

0.332

0.291

0.333

0.277

0.336

0.256

0.314

0.268

0.322

ETTh1

96

0.361

0.391

0.368

0.394

0.368

0.394

0.370

0.399

0.386

0.429

0.372

0.395

0.375

0.399

0.384

0.402

0.396

0.427

0.366

0.391

0.390

0.410

192

0.399

0.412

0.406

0.414

0.405

0.413

0.413

0.421

0.419

0.444

0.416

0.426

0.405

0.416

0.557

0.436

0.430

0.453

0.404

0.412

0.430

0.432

336

0.374

0.407

0.405

0.420

0.391

0.412

0.422

0.436

0.440

0.461

0.455

0.449

0.439

0.443

0.491

0.469

0.433

0.458

0.420

0.423

0.441

0.441

720

0.415

0.444

0.442

0.457

0.450

0.461

0.447

0.466

0.519

0.524

0.475

0.472

0.472

0.490

0.521

0.500

0.474

0.508

0.442

0.456

0.506

0.495

Avg

0.387

0.414

0.405

0.421

0.404

0.420

0.413

0.431

0.441

0.465

0.430

0.436

0.423

0.437

0.458

0.450

0.433

0.462

0.408

0.421

0.442

0.445

ETTh2

96

0.251

0.323

0.264

0.330

0.263

0.332

0.274

0.336

0.383

0.420

0.307

0.354

0.289

0.353

0.340

0.374

0.289

0.357

0.262

0.331

0.288

0.352

192

0.299

0.362

0.316

0.368

0.320

0.374

0.339

0.379

0.421

0.450

0.374

0.399

0.383

0.418

0.402

0.414

0.409

0.438

0.320

0.374

0.343

0.387

336

0.295

0.359

0.315

0.378

0.313

0.376

0.329

0.380

0.449

0.459

0.398

0.432

0.448

0.465

0.452

0.452

0.417

0.452

0.325

0.386

0.353

0.402

720

0.372

0.419

0.382

0.425

0.392

0.433

0.379

0.422

0.472

0.497

0.463

0.465

0.605

0.551

0.462

0.468

0.426

0.473

0.372

0.421

0.410

0.440

Avg

0.304

0.366

0.319

0.375

0.322

0.379

0.330

0.379

0.431

0.457

0.386

0.413

0.431

0.447

0.414

0.427

0.385

0.430

0.320

0.378

0.349

0.395

Electricity

96

0.129

0.226

0.132

0.226

0.129

0.226

0.129

0.222

0.187

0.283

0.141

0.243

0.153

0.237

0.168

0.272

0.159

0.267

0.140

0.235

0.129

0.224

192

0.145

0.241

0.148

0.241

0.143

0.239

0.147

0.240

0.258

0.330

0.163

0.261

0.152

0.249

0.184

0.289

0.168

0.279

0.154

0.248

0.147

0.240

336

0.160

0.257

0.165

0.259

0.161

0.259

0.163

0.259

0.323

0.369

0.176

0.277

0.169

0.267

0.198

0.300

0.196

0.308

0.171

0.264

0.164

0.257

720

0.187

0.285

0.205

0.293

0.191

0.286

0.197

0.290

0.404

0.423

0.212

0.308

0.233

0.344

0.220

0.320

0.203

0.312

0.209

0.297

0.203

0.291

Avg

0.156

0.252

0.163

0.255

0.156

0.253

0.159

0.253

0.293

0.351

0.173

0.272

0.177

0.274

0.192

0.295

0.182

0.292

0.169

0.261

0.161

0.253

Weather

96

0.145

0.197

0.155

0.205

0.149

0.200

0.149

0.198

0.153

0.217

0.156

0.206

0.152

0.237

0.172

0.220

0.161

0.226

0.175

0.225

0.149

0.202

192

0.189

0.239

0.200

0.249

0.196

0.245

0.194

0.241

0.197

0.269

0.199

0.248

0.220

0.282

0.219

0.261

0.220

0.283

0.218

0.260

0.194

0.242

336

0.234

0.279

0.252

0.287

0.238

0.277

0.245

0.282

0.252

0.311

0.249

0.291

0.265

0.319

0.280

0.306

0.275

0.328

0.265

0.294

0.243

0.282

720

0.309

0.331

0.321

0.335

0.314

0.334

0.314

0.334

0.318

0.363

0.336

0.343

0.323

0.362

0.365

0.359

0.311

0.356

0.329

0.339

0.316

0.333

Avg

0.219

0.262

0.232

0.269

0.224

0.264

0.226

0.264

0.230

0.290

0.235

0.272

0.240

0.300

0.259

0.287

0.242

0.298

0.247

0.279

0.225

0.265

Traffic

96

0.354

0.261

0.376

0.265

0.368

0.253

0.360

0.249

0.512

0.290

0.462

0.332

0.410

0.282

0.593

0.321

0.508

0.301

0.496

0.375

0.430

0.327

192

0.371

0.269

0.392

0.271

0.379

0.261

0.379

0.256

0.523

0.297

0.488

0.354

0.423

0.287

0.617

0.336

0.536

0.315

0.503

0.377

0.451

0.340

336

0.388

0.279

0.405

0.277

0.397

0.270

0.392

0.264

0.530

0.300

0.498

0.360

0.436

0.296

0.629

0.336

0.525

0.310

0.517

0.382

0.470

0.351

720

0.435

0.301

0.436

0.294

0.440

0.296

0.432

0.286

0.573

0.313

0.529

0.370

0.466

0.315

0.640

0.350

0.571

0.323

0.555

0.398

0.513

0.372

Avg

0.387

0.278

0.402

0.277

0.396

0.270

0.391

0.264

0.535

0.300

0.494

0.354

0.434

0.295

0.620

0.336

0.535

0.312

0.518

0.383

0.466

0.348

Exchange

96

0.080

0.196

0.086

0.204

0.080

0.196

0.093

0.214

0.186

0.346

0.083

0.201

0.081

0.203

0.107

0.234

0.102

0.235

0.083

0.201

0.083

0.201

192

0.166

0.288

0.184

0.303

0.166

0.288

0.192

0.312

0.467

0.522

0.174

0.296

0.157

0.293

0.226

0.344

0.172

0.316

0.170

0.293

0.170

0.292

336

0.305

0.396

0.341

0.421

0.307

0.398

0.350

0.432

0.783

0.721

0.336

0.417

0.305

0.414

0.367

0.448

0.272

0.407

0.309

0.401

0.309

0.401

720

0.636

0.569

0.879

0.701

0.656

0.582

0.911

0.716

1.367

0.943

0.900

0.715

0.643

0.601

0.964

0.746

0.714

0.658

0.817

0.680

0.816

0.680

Avg

0.297

0.362

0.373

0.407

0.302

0.366

0.387

0.419

0.701

0.633

0.373

0.407

0.297

0.378

0.416

0.443

0.315

0.404

0.345

0.394

0.345

0.394

ILI

24

1.263

0.742

1.469

0.800

1.347

0.717

1.319

0.754

3.040

1.186

1.472

0.798

2.215

1.081

2.317

0.934

2.684

1.112

4.337

1.507

4.445

1.536

36

1.203

0.703

1.450

0.845

1.250

0.778

1.430

0.834

3.356

1.230

1.435

0.745

1.963

0.963

1.972

0.920

2.507

1.013

4.205

1.481

4.409

1.519

48

1.227

0.763

1.572

0.875

1.388

0.781

1.553

0.815

3.441

1.223

1.474

0.822

2.130

1.024

2.238

0.940

2.423

1.012

4.257

1.484

4.388

1.507

60

1.490

0.831

1.741

0.920

1.774

0.868

1.470

0.788

3.608

1.302

1.839

0.912

2.368

1.096

2.027

0.928

2.653

1.085

4.278

1.487

4.306

1.502

Avg

1.296

0.760

1.558

0.860

1.440

0.786

1.443

0.798

3.361

1.235

1.555

0.819

2.169

1.041

2.139

0.931

2.567

1.055

4.269

1.490

4.387

1.516

1st Count

52

1

9

9

0

0

1

0

1

7

2