심층 시계열 모델: 종합 분석 및 벤치마크

시계열 데이터는 이산 시간 순서로 배열된 데이터 포인트의 연속으로, 실제 시나리오에서 광범위하게 나타납니다. 비선형 패턴과 시변 추세의 복잡한 얽힘을 포함하는 시계열의 역동적인 특성은 학습 및 모델링에 고유한 도전 과제를 제시합니다. 최근 몇 년간 시계열 분석 기술은 전통적인 통계 방법에서 현대적인 딥러닝 모델로 전환되며 놀라운 발전을 이루었습니다. 본 연구는 다양한 분석 작업을 위한 심층 시계열 모델의 설계를 탐구하고, 기본 모듈과 모델 아키텍처라는 두 가지 관점에서 기존 문헌을 검토합니다. 나아가, 다양한 분석 작업을 위한 심층 시계열 모델의 공정한 벤치마크로서 TSLib(Time Series Library)를 개발하고 공개합니다. TSLib는 소규모 및 대규모 시계열 모델을 포함한 41개의 주요 모델을 구현하고, 다양한 도메인의 30개 데이터셋을 다루며, 5가지 주요 분석 작업을 지원합니다. TSLib를 기반으로 16개의 인기 있는 심층 시계열 모델과 6개의 고급 시계열 파운데이션 모델을 평가했습니다. 실증적 결과는 특정 구조를 가진 모델이 특정 분석 작업에만 적합하다는 것을 보여줍니다. 이러한 발견은 심층 시계열 모델의 연구 및 채택에 중요한 통찰력을 제공하며, 향후 모델 개발 및 응용 방향을 제시합니다.