WFTNet: 장기 시계열 예측에서 전역 및 국소 주기성 활용

최근 CNN 및 Transformer 기반 모델들은 장기 시계열 예측을 위해 주파수 및 주기성 정보를 활용하려 시도했다. 그러나 대부분 기존 연구는 세밀하고 국소적인 주파수 구조를 포착할 수 없는 푸리에 변환에 기반한다. 본 논문에서는 장기 시계열 예측을 위한 Wavelet-Fourier Transform Network(WFTNet)를 제안한다. WFTNet은 신호에서 포괄적인 시간-주파수 정보를 추출하기 위해 푸리에 변환과 웨이브렛 변환을 모두 활용하며, 푸리에 변환은 전역 주기 패턴을, 웨이브렛 변환은 국소 주기 패턴을 포착한다. 또한, 전역 및 국소 주파수 패턴의 중요도를 적응적으로 균형 맞추기 위해 Periodicity-Weighted Coefficient(PWC)를 도입한다. 다양한 시계열 데이터셋에 대한 광범위한 실험 결과 WFTNet이 다른 최신 베이스라인 대비 일관되게 우수한 성능을 보임을 확인하였다. 코드 는 https://github.com/Hank0626/WFTNet 에서 확인 가능하다.