一种基于频域表征学习的时序大模型构建方法及存储介质

本申请涉及大模型训练的技术领域，公开一种基于频域表征学习的时序大模型构建方法及存储介质，包括：对原始的时间序列数据转化为频域表示，从中提取出每个频率成分的振幅和相位，每一组振幅和相位对应一个基函数；使用大模型对基函数进行特征提取和表征学习，引入注意力机制，使大模型可自适应地聚焦对任务最为关键的频域成分；联合重构头和预测头进行优化，根据预设的纯频域损失函数，优化真实值与模型输出值在频域中的振幅和相位偏差；特征提取的频域特征通过学习基函数自身的特征及相互关系，构建时间序列的统一频域表征，纯频域损失函数增强对频域表征的学习效果，可灵活适配不同的下游任务。