本記事では、時系列データの非定常性に対して高いロバスト性を持つ予測手法「DeepBooTS」を提案しています。従来の手法は概念ドリフトに対して脆弱であるため、著者らはまずバイアスとバリアンスの観点から概念ドリフトを分析。これに基づき、重み付けアンサンブルがバリアンスを減少させることを証明しました。DeepBooTSは、各ブロックが予測に至る迄の補助出力ブランチを持つ、エンドツーエンドのデュアルストリーム残差減少ブースティング方式を採用。これにより、元の信号の再構築が進み、ロバスト性が大幅に向上しました。大規模データセットを含む実験では、提案手法が既存の手法を平均15.8%上回り、新たな時系列予測のベンチマークを確立したことを示しています。