一种融合多尺度时间依赖信息的数据空间时间序列预测方法

本发明提出了一种融合多尺度时间依赖信息的数据空间时间序列预测方法，属于数据空间时间序列预测技术领域，采用下采样操作生成多尺度时间序列从而突出不同尺度的特征；使用能够拟合非线性结构的可学习卷积核对有着不同特点的序列组成成分进行提取；采取由粗尺度信息向细尺度信息逐步融合的方式实现时间序列宏观信息和微观信息混合的目的；通过自注意力计算不同尺度信息对预测结果影响的权重大小，增强模型预测的准确性。本发明使用注意力机制、卷积神经网络、时间序列分解等技术，解决了现有时间序列预测方法无法准确解耦数据、忽视粗尺度信息以及无法对多尺度信息进行有效建模的问题。