基于可变分解与卷积注意力建模的时间序列预测方法

本发明属于时间序列预测技术领域，具体涉及一种基于可变分解与卷积注意力建模的时间序列预测方法。首先对电变压温度的历史时间序列数据进行可变分解，利用可学习的一维卷积操作对历史时间序列数据进行趋势性和季节性成分的分解，克服传统分解方法灵活性不足的问题。在季节性成分建模上，采用简单而高效的线性变换，通过学习季节性变化的周期性模式来进行特征提取。而在趋势性成分建模上，则采用了卷积注意力结构，以捕捉长期趋势中的非线性关系，同时保证模型的计算效率。最后，将季节性成分和趋势性成分的特征融合并通过残差学习模块，进一步提高模型的预测精度。