基于多变量时空反转Transformer的边缘负载预测方法

本发明涉及一种基于多变量时空反转Transformer的边缘负载预测方法，属于边缘负载预测领域。该方法通过序列反转将负载序列重新排序，从而保持输入序列多变量的独立性，避免维度混淆。同时，模型通过边缘节点的位置信息学习不同节点的空间特征，能够在不引入额外神经网络的情况下快速学习复杂的空间依赖。此外，该方法利用Transformer的自注意力机制捕捉多变量间的相关性，并利用前馈神经网络来学习时间序列的全局特征表示。此外，设计了一种新型的静态特征融合方法，允许预测模型选择当前最合适的静态特征进行融合。本发明能够合理地利用跨领域的静态特征，不受冗余静态特征的干扰，同时显著提高了模型在多变量维度下的训练速度。