一种基于多周期分歧的长时间序列预测集成学习装置

本发明公开一种针对长时间序列预测精度不足问题的基于多周期分歧的长时间序列预测集成学习装置；序列分解模块收集处理时间序列数据，划分好训练和待预测数据，对序列指定多个周期进行多轮分解。子模型训练模块在这些不同尺度分解后的数据上，训练多个不同的子模型。集成学习模块对子模型进行集成，识别多周期分解后预测性能走势之间的分歧，选择那些在长序列的部分维度上预测表现最好的模型，并将他们拼接在一起，完成基于多周期分歧的集成，提升长序列预测的精度。本发明可以解决长序列预测问题的长距离依赖难以提取和累计误差问题，并且本发明的使用不受具体预测的模型结构影响，在实施过程中应用面广、适用性强、精度提升效果好。