一种用于多层级场景预测时间序列的方法

本发明提供了一种用于多层级场景预测时间序列的方法，主要针对多层场景下聚合时间序列的长时序预测任务，算法为端到端的Encoder‑Decoder模型，采用多层框架，层数可根据场景的复杂程度进行调整。算法主要包括数据嵌入模块，季节趋势分解模块，频率分解模块，频率自适应注意力模块和对齐频率注意力模块。本发明采用上述的一种用于多层级场景预测时间序列的方法，能有效地解构聚合时间序列数据中交织的高低频分量，从而消除数据中不同频率之间周期模式的混沌纠缠，进而提高时间序列预测的准确性和效率。