一种基于分层卷积的害虫时序预测方法

本发明公开了一种基于分层卷积的害虫时序预测方法，属于农业害虫监测技术领域。该方法包括采集多变量时序数据；对数据进行缺失值填充、异常值清洗及标准化预处理；将经预处理后的数据集进行划分；构建分层卷积模型UniTCN，包含RevIN层、时序分解模块及层级卷积注意力模块；采用Huber损失函数与OneCycleLR学习率策略进行模型评估和更新；部署UniTCN模型实现实时预测与预警。本发明采用可逆实例归一化解决数据分布偏移问题，增强模型泛化能力；结合移动平均法分离季节性与趋势分量，抑制环境噪声对预测的干扰；采用层级卷积注意力模块，融合多尺度时序特征与跨变量交互信息，最终实现害虫精准实时预测、预警。