Генерация временных рядов с пространственными взаимосвязями

В эпоху глубокого обучения нейронные сети постепенно заменяют статистические подходы к прогнозированию временных рядов в различных областях, например, в сфере пространственно-временного моделирования. Однако недостаток открытых наборов данных в этой области препятствует развитию нейросетевых методов. Альтернативным решением для сбора данных является генерация синтетических данных, но существующие методы фокусируются только на генерации некоррелированных независимых временных рядов. В этой работе мы представляем метод генерации временных рядов с пространственной корреляцией. Он использует набор параметризуемых авторегрессионных моделей для генерации одномерных временных рядов в сочетании с подходом к выбору параметров модели, что позволяет моделировать пространственные взаимоотношения. В работе приведена реализация метода и результаты экспериментов, которые показывают применимость данных для пространственно-временного моделирования.