基于频域的多尺度双分支长时间序列预测方法

本发明公开了基于频域的多尺度双分支长时间序列预测方法。包括通过在频域中实现多尺度分段机制提取丰富尺度的频域特征，采用双分支架构策略来同时捕获每个尺度的全局和局部特性，此外本发明提出一种新的对异常值不敏感的损失函数，通过该损失函数训练神经网络，能够获取更真实的预测结果。本发明通过将多尺度片段分割模块、双分支信息提取器和对异常值不敏感的损失函数的结合，充分考虑了时间序列在频率域表示的紧凑性，克服了现有预测方法频域分辨率单一和通常只考虑全局或局部单一信息的局限性，对长时间序列预测领域具有重要的理论和实际意义。