Сравнение моделей

Детальное сравнение производительности SARIMAX, GAF+CNN и Transformer

Главный вывод: Нейросетевые модели значительно превосходят классический SARIMAX!Transformer показывает стабильно лучшие результаты на всех snapshot, превосходя SARIMAX в среднем на 73% по MAE.

SARIMAX

Классический статистический метод с учётом сезонности. Используется как базовая модель для сравнения.

Преимущества: Интерпретируемость, не требует GPU

Недостатки: Менее точные прогнозы на сложных паттернах

GAF+CNN

Преобразование временных рядов в изображения (Gramian Angular Field) и обработка свёрточными нейросетями.

Преимущества: Может давать выдающиеся результаты (до 97% улучшения)

Недостатки: Менее стабилен на разных данных

Transformer

Архитектура трансформера для анализа временных последовательностей с механизмом внимания.

Преимущества: Стабильно лучшие результаты, хорошо улавливает долгосрочные зависимости

Недостатки: Требует больше вычислительных ресурсов

Табличное сравнение

Детальные метрики сравнения моделей с SARIMAX

Загрузка...

Прогнозы по snapshot

Детальные графики прогнозов для каждого snapshot. Красные точки показывают аномальные интервалы.

Ключевые выводы

Transformer — лучший выбор для продакшена

• Лучше SARIMAX на всех 3 snapshot • Среднее улучшение MAE: 73.1% (в 2.7-8.9 раз) • Стабильно хорошие результаты

GAF+CNN — отличные результаты на некоторых данных

• Выдающийся результат на snapshot 1: 97% лучше SARIMAX • Хороший результат на snapshot 2: 60.9% лучше SARIMAX • Менее стабилен на разных данных