基于时间戳和多尺度建模的多元时间序列预测方法

本发明公开了基于时间戳和多尺度建模的多元时间序列预测方法，通过多尺度特征融合提取特征，采用不同尺度的卷积核对输入时间序列进行卷积操作，提取短中长期特征并拼接，利用多头注意力机制进行融合，从而捕捉时间序列中的局部细节和全局趋势，提升模型对复杂时间模式的建模能力；将时间戳编码为高维向量并通过编码器对其进行映射，捕捉时间戳间的复杂关系，增强模型对周期性、趋势性变化的预测能力；采用自定义损失函数进行模型训练，提升模型鲁棒性的同时保持较高的预测精度；将训练好的模型权重应用于测试集。本发明通过多尺度特征融合、时间戳特征提取和自定义损失函数的结合，显著提升了多元时间序列预测的精度和鲁棒性。