基于偏自相关函数（PACF）与互信息（MI）动态协同的时序预测特征选择方法及系统

基于偏自相关函数（PACF）与互信息（MI）动态协同的时序预测特征选择方法及系统2.技术领域：本发明属于时序预测技术领域，涉及一种结合线性与非线性特征动态筛选的方法及系统，适用于工业设备预测性维护、能源调度、金融风控等场景。3.技术方案：通过检测时序数据的非平稳性（ADF检验）和记忆性（Hurst指数），动态调整PACF与MI的权重参数α（非平稳数据α∈[0.2,0.4]，强记忆性数据α∈[0.6,0.8]），计算混合评分\text{Score}(k)=\alpha \cdot |\text{PACF}(k)| + (1 ‑ \alpha) \cdot \text{MI}(k)，并结合前向选择与后向剪枝（相关系数阈值0.8）优化特征窗口。4.技术效果：故障预警准确率提升17.7%（风电数据）；特征冗余度降低35%‑53%；数据处理效率提升50%。