基于改进Autoformer模型的时序预测方法

本发明公开了基于改进Autoformer模型的时序预测方法，属于时序预测技术领域。包括如下步骤：获取历史时序数据集；构建SFRformer模型，所述SFRformer模型以Autoformer模型为基础，融合了RevIN模块、SGConv模块以及FECM模块；使用所述历史时序数据集对SFRformer模型进行训练；使用训练好的SFRformer模型进行时序预测。本发明提出的SFRformer模型有效降低傅里叶正反变换后所导致的Gibbs效应，同时解决了类Transform模型一直忽视的本地卷积导致无法有效地处理远程依赖关系，以及在分析时间序列数据中常常出现的分布移位问题，提高了时间序列预测的准确性。