基于多尺度特征的潜在数据成分提取的时间序列预测方法

本发明属于时间序列预测技术领域，具体涉及一种基于多尺度特征的潜在数据成分提取的时间序列预测方法，所述方法包括：获取当前电变压器温度时间序列数据，将历史电变压器温度时间序列作为特征融入当前电变压器温度时间序列数据中，形成融合特征数据；将所述融合特征数据进行不同尺度的特征提取，得到多尺度特征，并降维，得到降维后的多尺度特征；对所述融合特征数据进行多层次数据归一化，计算残差数据，并进行降维，得到降维后的残差数据特征；基于降维后的多尺度特征及降维后的残差数据特征，构建成电变压器温度时间预测模型并进行训练，利用训练好的电变压器温度时间预测模型进行预测。