> Machine Learning Guru|

Анализ временных рядов — одна из наиболее частых задач, с которой сталкиваются аналитики и дата-саентисты: трафик сайтов, экономические показатели, продажи и спрос, биржевые котировки, потребление электроэнергии, датчики IoT, медицинские сигналы… Все это временные ряды.

Несмотря на то, что эта область очень хорошо изучена, моделирование и прогнозирование временных рядов по-прежнему остается одной из наиболее сложных задач. Все потому что все ряды разные по своей природе, и некоторые из них настолько зашумлены, неоднородны или имеют слабый сигнал, что большинство ML-моделей просто не могут ничего с этим сделать. Вот почему для решения этих задач разрабатывают нейронные сети.

Особенности анализа временных рядов

Большинство задач прогнозирования связаны с тем что есть обучающая выборка и отложенная, на которой мы проверяем качество модели. Если взять датасет и перемешать строки, то на качество прогноза это не повлияет. С временными рядами так не сработает: порядок наблюдений несет важную информацию. Это фундаментальное отличие, которое ломает большинство стандартных ML-подходов при наивном применении.

Обучение моделей для временных рядов усложняется еще тем, что качество прогнозов можно оценить только постфактум, при этом сами данные часто просто выглядят как шум, а результаты на истории слабо переносятся на будущее.

Временные ряды обладают еще несколькими свойствами, которые обязательно стоит учитывать при анализе:

1. Автокорреляция — каждое наблюдение зависит от предыдущих, в большей или меньшей степени. Температура сегодня коррелирует с температурой вчера. Цена акции в 15:00 зависит от цены в 14:59. Модель должна уметь улавливать эти зависимости на разных временных масштабах одновременно;
2. Нестационарность — статистические свойства ряда меняются со временем. Среднее, дисперсия, автокорреляционная структура могут дрейфовать. То, что работало как паттерн в 2025 году, может не работать в 2026-м. Это делает обучение нестабильным и требует особого внимания к валидации;
3. Сезонность и тренды — временные ряды часто содержат несколько накладывающихся периодических компонент разной частоты плюс долгосрочный тренд. Модель должна отделить сигнал от этих структурных компонент или научиться работать с ними напрямую;
4. Лаги / задержки эффектов. Влияние факторов может проявляться с задержкой. Например, маркетинговая кампания влияет на продажи не сразу, а через несколько дней. Модель должна корректно учитывать такие сдвиги во времени;
5. Утечка из будущего (data leakage) — классическая ловушка. При случайном разбиении на train/test данные из будущего попадают в обучающую выборку, и модель показывает нереалистично высокое качество. На реальных данных она окажется бесполезной. Для временных рядов обязателен хронологический сплит. Также следует аккуратно использовать скользящие агрегаты и нормализацию;
6. Разрыв между обучением и применением (distribution shift). Данные в продакшене могут кардинально отличаться от обучающей выборки, поэтому оценка качества на истории не гарантирует сопоставимого качества в будущем.

Именно эти свойства объясняют, почему линейная регрессия или случайный лес «в лоб» работают на временных рядах плохо — не потому что они слабые алгоритмы, а потому что они игнорируют временную структуру данных.

Что нейросеть «видит» в ряду?

Нейросеть не получает временной ряд целиком как единый объект. Стандартный подход — скользящее окно (sliding window): из ряда нарезаются фрагменты фиксированной длины, каждый из которых становится одним обучающим примером.

Если окно имеет размер 30 точек, то модель получает на вход последние 30 наблюдений и должна предсказать следующее (или несколько следующих). Затем окно сдвигается на один шаг, и процедура повторяется. Таким образом из одного длинного ряда получается большой датасет пар «вход → целевое значение».

Размер окна — это горизонт памяти модели. Слишком маленькое окно — модель не видит долгосрочных паттернов. Слишком большое — растет вычислительная сложность, а далекое прошлое может шуметь больше, чем помогать.

Горизонт прогноза — это то, на сколько шагов вперед делается предсказание. Здесь есть принципиальное разделение:

• Одношаговый прогноз — предсказывается одна следующая точка. Задача относительно простая;
• Многошаговый прогноз — предсказывается сразу несколько точек вперед. Сложность растет нелинейно: ошибки накапливаются, а неопределенность увеличивается с каждым шагом горизонта.

Многошаговый прогноз можно реализовывать по-разному: рекурсивно (каждое предсказание становится входом для следующего), прямо (отдельная модель на каждый горизонт) или через архитектуры, которые генерируют весь горизонт за один проход. Каждый подход имеет свои компромиссы между точностью и вычислительной стоимостью.

Задачи: не только прогнозирование

Когда говорят о нейросетях для временных рядов, почти всегда имеют в виду прогнозирование. Но это лишь одна из нескольких принципиально разных задач.

Прогнозирование (forecasting) — предсказание будущих значений ряда. Самая распространенная задача: спрос на товар, цена актива, нагрузка на сервер и т. д. Метрики качества — MAE, RMSE, MAPE и их вариации.

Классификация — отнесение временного ряда (или его фрагмента) к одному из классов. Например, классификация ЭКГ-сигнала как нормального или патологического, определение типа движения по данным акселерометра, распознавание активности пользователя. Здесь важна не будущая точка, а паттерн в имеющейся последовательности.

Детекция аномалий — поиск точек или фрагментов, которые отклоняются от нормального поведения ряда. Это может быть промышленный датчик перед отказом оборудования, подозрительная транзакция, неожиданный провал метрики. Задача может быть как обучаемой с учителем (есть размеченные аномалии), так и без — тогда модель учит «нормальное» поведение и флагирует отклонения.

Сегментация — разбиение ряда на однородные участки с разными статистическими свойствами. Например, выделение режимов рынка (тренд, боковик, высокая волатильность) или фаз производственного процесса.

Выбор архитектуры и подхода существенно зависит от того, какая из этих задач стоит. Архитектура, отлично работающая для прогнозирования, может быть субоптимальной для классификации — и наоборот.

Таксономия архитектур

За последнее десятилетие было предложено несколько классов архитектур, каждый со своей логикой обработки последовательностей.

Рекуррентные сети (RNN, LSTM, GRU) — исторически первый специализированный подход. Они обрабатывают последовательность пошагово, передавая скрытое состояние от одного шага к следующему.

LSTM и GRU решают проблему затухающих градиентов классического RNN через механизмы ворот, которые регулируют, что запомнить, а что забыть. Интуитивно — это «память» с управляемым доступом. Подробнее ознакомиться с принципом их работы и кодом можно в статье Прогнозирование временных рядов с xLSTM.

Сверточные сети на временных рядах (TCN, WaveNet) — применяют одномерные свертки вдоль временной оси. Дилатированные свертки позволяют охватить большой рецептивный контекст без рекуррентности, что дает параллелизацию при обучении.

Transformer-архитектуры — механизм внимания (attention) позволяет модели напрямую сопоставлять любые два момента времени в окне, не передавая информацию последовательно. Это устраняет узкое место рекуррентных сетей при работе с длинными зависимостями. Есть хорошая статья про PatchTST: Трансформер для прогнозирования временных рядов.

Гибридные и специализированные архитектуры (NeuralProphet, N-BEATS, DeepAR) — комбинируют нейросетевые компоненты с явным моделированием тренда и сезонности, или разрабатываются специально под задачи вероятностного прогнозирования. Рекомендую прочитать: Прогнозирование временных рядов с помощью N-HITS, N-BEATS.

Foundation-модели (Chronos, TimesFM, Moirai) — предобученные на миллиардах точек из разных доменов модели, способные к zero-shot прогнозированию. Качественно новый класс, меняющий сам подход к работе с временными рядами. Подробно про Foundation-модели можно прочитать здесь и здесь.

Одномерный ряд vs мультивариантный

Большинство учебных примеров, которые вы встретите в книгах и коде, работают с одним рядом: одна переменная, одна целевая переменная. В реальных задачах это часто не так. И аналитику приходится работать сразу с несколькими рядами:

Одномерный (univariate) случай — есть только один сигнал, и нужно прогнозировать его же. Продажи одного товара, температура одного датчика. Модель ищет паттерны внутри самого ряда: автокорреляцию, сезонность, тренд.

Мультивариантный (multivariate) случай — есть несколько переменных, и они потенциально влияют друг на друга. Здесь два сценария, которые важно не путать:

• Первый — несколько рядов прогнозируются одновременно, и модель учит их взаимозависимости. Например, спрос на несколько товаров одной категории. Модель может использовать тот факт, что они коррелируют друг с другом;
• Второй — есть целевой ряд и экзогенные переменные, которые на него влияют, но сами не прогнозируются. Например, прогноз продаж с учетом температуры воздуха, праздников, маркетинговых акций. Эти переменные известны заранее (или их можно получить отдельно) и используются как дополнительные признаки.

Важно помнить, что добавление в модель экзогенных переменных не всегда приводит к улучшению прогнозов. Если переменная слабо связана с целевой или несет шум, она может навредить. Помимо того, мультивариантная постановка усложняет модель, увеличивает размерность и требует больше данных для обучения.

Простое правило: добавлять внешние признаки стоит тогда, когда есть содержательная причина считать, что они влияют на целевую переменную — и когда данных достаточно, чтобы эту связь выучить.

Данных мало — что делать?

Нейросети — data-hungry алгоритмы. Это один из их главных практических недостатков применительно к временным рядам, где данных часто физически мало: ряд начался год назад, частота измерений низкая, или история просто не сохранялась.

Несколько подходов позволяют работать в условиях ограниченных данных:

• Упрощение архитектуры. Чем меньше данных, тем проще должна быть модель. Глубокий Transformer с миллионами параметров на 500 точках — гарантированное переобучение. В таких условиях небольшая LSTM или даже линейная модель с правильными признаками часто выигрывает;
• Transfer learning. Если есть похожие ряды из того же домена с большим объемом истории, можно предобучить модель на них и дообучить на целевом коротком ряду. Логика та же, что в компьютерном зрении: общие паттерны переносятся, специфика дообучается;
• Аугментация данных. Для временных рядов существуют техники искусственного расширения обучающей выборки: добавление шума, временное масштабирование, jittering, window slicing. Это не панацея, но в некоторых задачах (особенно в классификации) дает заметный прирост качества;
• Foundation-модели. Это самый радикальный ответ на проблему малых данных — использовать модель, предобученную на огромных объемах разнородных временных рядов, в zero-shot или few-shot режиме. Качество прогноза на коротком ряду может оказаться неожиданно высоким именно потому, что модель уже «видела» похожие паттерны в других доменах.

Если данных критически мало и ни один из подходов не помогает — стоит честно рассмотреть классические статистические методы. ARIMA или регрессии на 100 точках часто работают надежнее, чем нейросеть, которой не хватило данных для обобщения.

Точечный прогноз vs вероятностный

Большинство моделей по умолчанию выдают одно число — точечный прогноз. Это удобно, но скрывает важную информацию: насколько модель уверена в этом числе?

Точечный прогноз отвечает на вопрос «что будет». Вероятностный прогноз отвечает на вопрос «что будет и с какой неопределенностью». Вместо одного числа модель выдает распределение возможных значений или доверительный интервал.

Разница этих подходов принципиальна, в том числе для принятия решений. Если модель прогнозирует продажи на уровне 1000 единиц, но доверительный интервал — от 400 до 1600, это совершенно другая ситуация для планирования запасов, чем если интервал — от 950 до 1050.

Существует несколько подходов к вероятностному прогнозированию:

• Квантильная регрессия — модель обучается предсказывать не среднее, а конкретные квантили распределения. Например, 10-й, 50-й и 90-й перцентили. Это дает асимметричные интервалы, что важно для рядов с тяжелыми хвостами;
• Конформное предсказание (conformal prediction) — статистически обоснованный метод построения интервалов с гарантированным покрытием. Не требует предположений о распределении остатков и работает поверх любой базовой модели;
• Ансамблевые методы и MC Dropout — множество предсказаний с разными инициализациями или при включенном дропауте во время инференса дают эмпирическое распределение, из которого можно извлечь интервалы.

Вероятностный прогноз сложнее интерпретировать и он требует других метрик качества (например, calibration score или interval score). Однако в задачах с реальными последствиями неопределенности — управление рисками, оптимизация запасов, планирование мощностей — он значительно ценнее точечного.

Общие проблемы вне зависимости от архитектуры

Когда заходит речь об анализе временных рядов с помощью нейросетей, выбор архитектуры — важное, но далеко не единственное решение. Есть класс проблем, которые возникают независимо от того, используете ли вы LSTM, Transformer или TCN.

Масштабирование данных. Нейросети чувствительны к масштабу входных данных. Стандартный выбор — MinMaxScaler или StandardScaler — но для временных рядов важно применять масштабирование правильно: параметры вычисляются только на обучающей части и применяются к тестовой. Иначе — утечка информации из будущего.

Работа с пропусками. Реальные ряды редко бывают полными. Пропуски нужно обрабатывать до подачи в модель: интерполяция, forward fill, или явное кодирование пропуска как отдельного признака. Выбор метода зависит от природы пропусков — случайные они или систематические.

Переобучение на малых рядах. Нейросети с большим числом параметров легко запоминают обучающую выборку. Для временных рядов проблема острее, чем в других задачах: данных объективно меньше, а структура ряда может меняться со временем. Регуляризация, dropout, early stopping и правильная валидация — обязательный минимум.

Валидация. Нельзя использовать случайное разбиение — это создает утечку из будущего. Правильные подходы: простой хронологический сплит, walk-forward validation (скользящее обучение с последовательным расширением окна) или purged cross-validation для случаев с сильной автокорреляцией.

Концептуальный дрейф (concept drift). Статистические свойства ряда могут меняться со временем — и модель, обученная на старых данных, деградирует. Это не баг, это свойство реального мира. Решение — регулярное переобучение, мониторинг качества в продакшене и механизмы детекции дрейфа.

Логика выбора подхода

Не существует универсальной архитектуры, которая выигрывает во всех задачах. Вот почему задача аналитика — это не поиск «лучшей» модели в вакууме, а сужение пространства кандидатов через несколько практических вопросов.

1. Сколько данных? Мало точек — упрощенные архитектуры или классические методы. Много — можно позволить себе сложные модели;
2. Какова длина зависимостей? Если важны паттерны на коротком горизонте — TCN или небольшой LSTM. Если нужно улавливать связи между далекими точками — Transformer с его механизмом внимания более уместен;
3. Нужна интерпретируемость? Если модель должна объяснять свои решения бизнесу или регулятору — сложные нейросети проигрывают. Гибридные архитектуры вроде NeuralProphet, явно разделяющие тренд, сезонность и остаток, дают более понятный результат;
4. Нужен вероятностный прогноз? Не все архитектуры естественным образом поддерживают построение интервалов неопределенности (uncertainty estimation). DeepAR, Temporal Fusion Transformer, Foundation-модели с probabilistic head — более подходящие кандидаты;
5. Насколько ряд нестационарен? Сильный дрейф статистических свойств требует либо архитектур с адаптивностью, либо явной предобработки (дифференцирование, декомпозиция);
6. Каковы вычислительные ограничения? Transformer квадратично масштабируется по длине последовательности. На длинных рядах это узкое место. TCN и специализированные архитектуры часто эффективнее.

Хорошая практика — начинать с простейшей разумной модели и усложнять только тогда, когда простая упирается в потолок качества. Это экономит время и снижает риск переобучения.

Когда нейросети проигрывают классике

Нейросети — мощный инструмент, но не универсальный. Есть сценарии, где классические методы или градиентный бустинг на признаках стабильно выигрывают:

• Короткие ряды. ARIMA, ETS или Prophet на 100–300 точках часто дают лучший результат, чем LSTM. У нейросети просто недостаточно данных, чтобы выучить что-то осмысленное, и она переобучается на шуме;
• Сильная сезонность с четкой структурой. Если ряд хорошо описывается трендом плюс несколькими сезонными компонентами, классические методы декомпозиции справляются с этим аналитически и прозрачно. Нейросеть может выучить то же самое, но сложнее и менее надежно;
• Высокая интерпретируемость как требование. Линейные модели и ARIMA дают четкие коэффициенты с статистическими тестами. Нейросеть — черный ящик. В задачах, где объяснение важнее абсолютной точности, это критично;
• Табличные данные с ручными признаками. Если аналитик хорошо понимает домен и может сконструировать информативные лаги, скользящие статистики и календарные признаки, градиентный бустинг (LightGBM, XGBoost) на этих признаках нередко превосходит нейросети — особенно при ограниченных данных.

Нейросети выигрывают там, где данных много, зависимости нелинейны и сложны, ручной инжиниринг признаков затруднен или невозможен, и где важна масштабируемость на большое число рядов одновременно. За пределами этих условий стоит честно рассматривать более простые альтернативы — и не воспринимать это как шаг назад.

Заключение

Анализ временных рядов — непростая задача. Он требует особого подхода на каждом уровне: от понимания природы данных и выбора задачи до архитектуры, валидации и интерпретации результатов. Нейросети закрывают большую часть этих задач — но не все, и не всегда лучше классики.

В этой статье мы разобрали концептуальную основу такого анализа. Это фундамент, без которого детали архитектур и особенностей нейросетей выглядят оторванными от контекста. Если эта тема вам интересна и хочется копнуть поглубже — вы точно по адресу! В блоге есть подробные статьи по каждой из упомянутых архитектур с теорией, кодом и практическими примерами.