ETTm1的结果异常问题

[Sorami]

你好，我按照程序训练默认的ETTM1数据，选用MTSMixers模型，最后输出的结果pdf特别离谱，然后我改用SCINet，发现结果好了很多，但是依然比较离谱，请问我是哪一步做错了么，为什么会出现这样的结果

[plumprc]

您好，其实这些预测结果就应该很离谱，因为现存的做长时间序列预测的工作本质上都是在学习周期性，当测试集出现之前没有过的周期模式时，他理论上就不太可能做到准确预测。可以关注我们的另一个仓库 https://github.com/plumprc/RTSF，稍后会在这里分享我们关于长时间序列预测的观点

[rdyan0053]

有测ETTh1数据集的吗？这是我复现论文的结果：
test 2785
mse:0.3126, mae:0.4615, R2:-1.7379

这是我的参数设置：
Namespace(is_training=1, model='MTSMixer', data='ETTh1', root_path='./dataset/', data_path='ETTh1.csv', features='MS', target='OT', freq='h', checkpoints='./checkpoints/', seq_len=336, label_len=48, pred_len=96, individual=False, seg=20, rev=False, norm=True, fac_T=False, sampling=2, fac_C=False, refine=False, mat=0, embed_type=0, enc_in=7, dec_in=7, c_out=7, d_model=512, n_heads=1, e_layers=2, d_layers=1, d_ff=2048, moving_avg=25, factor=1, dropout=0.05, embed='timeF', activation='gelu', output_attention=False, do_predict=False, num_workers=10, itr=1, train_epochs=10, batch_size=16, patience=3, learning_rate=0.001, loss='mse', lradj='type1', use_amp=False, use_gpu=True, gpu=0, use_multi_gpu=False, devices='0,1,2,3', test_flop=False)

下图分别对于结果中的0.pdf，80.pdf，160.pdf

感觉好像效果没有DLinear好，是不是我哪个参数设置的不对

[plumprc]

这是我的参数设置： Namespace(is_training=1, model='MTSMixer', data='ETTh1', root_path='./dataset/', data_path='ETTh1.csv', features='MS', target='OT', freq='h', checkpoints='./checkpoints/', seq_len=336, label_len=48, pred_len=96, individual=False, seg=20, rev=False, norm=True, fac_T=False, sampling=2, fac_C=False, refine=False, mat=0, embed_type=0, enc_in=7, dec_in=7, c_out=7, d_model=512, n_heads=1, e_layers=2, d_layers=1, d_ff=2048, moving_avg=25, factor=1, dropout=0.05, embed='timeF', activation='gelu', output_attention=False, do_predict=False, num_workers=10, itr=1, train_epochs=10, batch_size=16, patience=3, learning_rate=0.001, loss='mse', lradj='type1', use_amp=False, use_gpu=True, gpu=0, use_multi_gpu=False, devices='0,1,2,3', test_flop=False)
感觉好像效果没有DLinear好，是不是我哪个参数设置的不对

您好，MTS-Mixers 的实验设置是 96-x，DLinear 原始论文中的设置为 336-x，关于序列长度对预测结果的影响请参考 DLinear 附录实验以及 RTSF 的说明