Time-o1：时序架构难突破，损失函数辟蹊径

本文针对时间序列预测领域普遍忽视损失函数设计的问题展开研究。背景是当前研究多集中于模型架构创新，而广泛使用的时域均方误差损失函数存在局限。研究目的是提出一种新的损失函数设计方法Time-o1，以解决标签自相关性导致损失函数有偏，以及预测步数增加导致优化任务激增两大挑战。该方法核心是使用主成分分析等技术将标签序列变换为按重要性排序的正交主成分，并在变换域定义损失函数。结论表明，Time-o1是一种模型无关的方法，能有效消除标签自相关、降低优化复杂度，在多个主流模型和数据集上实现了显著的性能提升，验证了优化损失函数是提升时序预测性能的有效途径。