一种基于GPT驱动模式感知分割匹配的天然气需求预测方法

本发明公开一种基于GPT驱动模式感知分割匹配的天然气需求预测方法，S10,获取天然气需求时间序列，并输入使用低秩适应LoRA微调基于GPT的时序特征学习模型GPT‑TempFeat，捕捉天然气需求时间序列中的潜在模式，同时保留天然气需求时间序列原始知识；S20,利用GPT‑TempFeat提取的时间特征，通过滚动窗口分割算法，动态地将时间序列分割成不同的分段；S30,针对每个识别出的分段，使用LoRA微调训练个体GPT‑Forecast模型，得到段模型；S40,在预测阶段，采用基于余弦相似度的模式匹配方法，识别每个输入窗口最合适的段模型；然后使用选定的段模型进行预测，得到天然气需求预测结果。