一种全新的高级多维低相关性时间序列数据分析预测方法

本发明公开了一种全新的高级多维低相关性时间序列数据分析预测方法，涉及生物发酵，人工智能和数据处理技术领域，该系统包括以下组成部分：S1，数据预处理与分割启动、S2，计算节点数据处理、S3，节点间信息协同整合和S4，预测模型构建与分布式训练以及S5，结果整合与输出；本发明通过采用基于局部加权回归的趋势分离算法，能够有效地从多维低相关性时间序列数据中分离出趋势分量和残差序列，进而针对残差序列进行低相关性检测与特征提取，该方法能够更全面地捕捉数据间的内在关系，尤其是低相关性特征，从而提高了数据分析预测的准确性，该方法还考虑了数据的季节性因素、自相关性以及异常值修正因素，进一步增强了数据处理的精细度和预测结果的可靠性。