เปรียบเทียบวิธี

	DLinear: แบบจำลองเชิงเส้นแบบแยกส่วนสำหรับการพยากรณ์อนุกรมเวลา	แบบจำลอง ARIMA (Autoregressive Integrated Moving Average)
สาขาวิชา	การเรียนรู้เชิงลึก	เศรษฐมิติ
ตระกูล	Machine learning	Regression model
ปีกำเนิด	2023	2015
ผู้ริเริ่ม	Ailing Zeng et al.	Box & Jenkins (Box-Jenkins methodology)
ประเภท	Decomposition-based linear forecasting model	Univariate time-series model
แหล่งต้นตำรับ	Zeng, A., Chen, M., Zhang, L., & Xu, Q. (2023). Are transformers effective for time series forecasting? AAAI.	Box, G. E. P., Jenkins, G. M., Reinsel, G. C. & Ljung, G. M. (2015). Time Series Analysis: Forecasting and Control (5th ed.). Wiley. ISBN: 978-1118675021
ชื่อเรียกอื่น	Decomposition Linear, DLinear Forecaster, Linear Decomposition Model, Ayrışım Doğrusal Modeli	Box-Jenkins model, ARIMA(p,d,q), ARIMA Modeli
ที่เกี่ยวข้อง	3	5
สรุป	DLinear is a lightweight time series forecasting model introduced by Zeng et al. at AAAI 2023. It challenges the prevailing assumption that Transformer-based architectures are necessary for accurate long-horizon forecasting. The model decomposes an input sequence into trend and seasonal components using a moving average filter, then applies separate single-layer linear transformations to each component before summing their outputs to produce the final forecast.	ARIMA is a univariate time-series forecasting model that combines autoregressive, integrated (differencing), and moving-average components to predict a single continuous series from its own past. It is the centrepiece of the Box-Jenkins methodology set out in Box, Jenkins, Reinsel & Ljung's Time Series Analysis (5th ed., 2015).