基于极值损失与混合专家结构的时间序列预测方法

本发明公开了一种基于极值损失与混合专家结构的时间序列预测方法，主要包括：将时间序列数据进行预处理，使用移动平均值进行计算得到趋势项数据和季节项数据；使用RLinear模型将趋势项数据通过归一化层、多层感知器和线性投影层进行预测，得到趋势项预测结果；利用门控机制选择专家，并基于混合专家结构预测季节项；结合趋势项与季节项的预测结果，生成最终时间序列预测结果。为提升极值预测的准确性，本发明引入极值损失函数，通过设定上下阈值划分序列，计算极值损失。最终损失函数结合了时间序列预测误差和极值误差，模型动态调整对极值和整体预测的关注。该方法有效提升了时间序列的趋势与极值预测精度，适用于复杂时序数据的预测任务。