一种基于NMF多尺度轻量级时空卷积神经网络的多变量时间序列预测方法

本发明公开了一种基于NMF多尺度轻量级时空卷积神经网络的多变量时间序列预测方法，属于机器学习和深度学习应用技术领域。本发明具体包括：①收集多变量时间序列数据并进行处理，统一数据的尺度；②使用NMF对所述时间序列数据进行分解，提取不同尺度的基矩阵和系数矩阵，构建多尺度特征金字塔；③在特征金字塔的输出基础上应用时空卷积层，引入了贝叶斯优化算法，采用融合多尺度注意力机制的特征融合层；④划分训练数据集和测试数据集，进行模型的训练；⑤使用训练好的模型对未来的时间序列数据进行预测并输出预期值。该方法有效地构建了一个更强大、更高效的多变量时间序列预测模型，适用于多变量时间序列数据的分析和预测。