近日，我院2023级电子信息硕士研究生王雯静同学以第一作者在计算机科学领域著名期刊《Engineering Applications of Artificial Intelligence》（中科院1区TOP期刊）发表研究论文，题目为“An efficient framework for general long-horizon time series forecasting with Mamba and Diffusion Probabilistic Models”（DOI:10.1016/j.engappai.2025.112525），指导老师傅德谦教授为通讯作者。
该成果旨在解决长时域时间序列预测中，计算效率与时序保真度难以兼顾的核心问题。传统统计模型（如 ARIMA、GARCH）难以处理真实数据中的高维性、非平稳性与非线性特征，而现有深度学习方法（如 LSTM、Transformer）或存在长序列误差累积问题，或面临二次计算复杂度的瓶颈，扩散模型则易因各向同性噪声注入丢失关键时序模式。针对上述挑战，研究团队提出了 MambaDiffTS（Mamba Diffusion Probabilistic Models）框架，融合 Mamba 的状态空间模型与频率感知扩散过程，实现了高效且高保真的长时域预测。实验结果表明，MambaDiffTS 在多领域基准数据集上表现出强大多领域泛化能力，无需领域特定调优即可处理金融波动率、工业物联网传感器数据、气候模拟等异质场景。
Fig. 1. Frequency-Aware Diffusion Process in MambaDiffTS.
Fig. 2. Hierarchical State–Space Modeling in MambaDiffTS.
该项工作为长时域时间序列预测提供了新的路径，尤其在金融风险管控、智能交通调度、能源系统优化等对效率与准确性均有严苛要求的领域具有重要应用价值。
注：期刊《Engineering Applications of Artificial Intelligence》 是由 Elsevier 出版的人工智能领域国际重要期刊。聚焦人工智能技术在工程实践中的创新应用，涵盖时间序列分析、状态空间模型、生成式 AI 等多个研究方向，在工业智能、金融科技、气候模拟等领域享有广泛学术影响力，是该领域成果展示的核心平台之一。根据最新JCR数据，该刊物影响因子为8.0，在“Computer Science: Artificial Intelligence”与“Engineering: Multidisciplinary”类别中排名Q1区top，具有较高的学术影响力。
