一种应用于多模态工业大数据预测的自适应拟合与预测方法

本发明公开了一种应用于多模态工业大数据预测的自适应拟合与预测方法，该方法用于处理并预测表格形式的多模态数据，将数据转化为嵌入序列矩阵，通过自注意力机制实现高效建模。嵌入序列的处理流程天然支持多模态数据，能够统一处理数字、文本、图像等多种信息。仅需引入预训练的嵌入编码器，即可快速接入新的模态数据，显著提高模型的适配性。本发明能够在数据拟合效果与计算成本之间实现灵活权衡，提供高效的训练和部署解决方案。本发明便于迁移学习与持续学习的实施，显著提高该模型在工业数据场景中的实际应用价值。特别是在复杂多模态数据处理需求下，本发明实现了高效统一建模，降低开发与维护成本，为工业数据智能分析提供有效技术路径。