基于大规模语言模型的电力时间序列预测方法、系统、终端及其存储介质

本发明涉及一种基于大规模语言模型的电力时间序列预测方法、系统、终端及其存储介质，其特征在于，所述方法包括以下步骤：采集电力时间序列，利用自适应分解模块将所述电力时间序列分解为季节项序列和趋势项序列；采用实例正则化和分片化，分别对所述季节项序列和趋势项序列进行运算，以获得季节数据和趋势数据；将季节数据和趋势数据拼接并映射后，输入至预训练后的GPT模型中，输出所述电力时间序列的预测量。本发明设计了一种新的泛用的时间序列大规模语言模型，有效可靠、分析结果准确，在参数训练上简单易行。