一种基于层次化双Transformer编码器的长期时间序列预测方法

本发明公开了一种基于层次化双Transformer编码器的长期时间序列预测方法，包括：1）对输入数据进行可逆实例归一化；2）对归一化后的数据进行分段和嵌入；3）采用双编码器模块进行特征提取，学习其数据分布及变化规律；4）采用层次化堆叠的双编码器模块进行多尺度特征提取，学习不同时间尺寸的动态模式；5）拼接各层双编码器模块的输出，使用线性头实现多尺度预测；6）通过训练出的最优网络进行预测，并通过误差评价指标对比预测结果与真实结果。本发明方法能够同时处理和整合来自不同通道的信息，并在模型中实现这两种策略的互补，提高了预测的精度和鲁棒性，同时双编码器结构能够显著提升模型在处理不同尺度时间序列时的适应性和预测能力。