基于多尺度时序特征增强的多元时间序列长期预测方法

本发明公开了一种基于多尺度时序特征增强的多元时间序列长期预测方法，提出了时序预测模型TFEformer，利用多分枝结构和序列‑补丁注意力机制提取多时间尺度下的全局和局部时间序列特征，并设计自适应特征融合机制实现多尺度时序特征的自适应融合；利用变量间注意力机制和重新设计的门控前馈网络，分别进行多元变量间特征融合以及时间序列内部特征融合。本发明提出的时序预测模型显著提高了对时间序列中长期趋势的预测效果，并增强了对短期局部波动的拟合能力，全面提升了模型在多元时间序列预测任务中不同预测时间长度下的预测精度。