通用时间Transformer模型零样本预测训练方法

本发明公开的属于通用时间Transformer模型技术领域，具体为通用时间Transformer模型零样本预测训练方法，包括具体步骤如下：S1，数据预处理与增强：先对多个领域的时间序列数据进行收集和整合，接着对时间序列数据进行特征工程，之后对数据进行增强；S2，改进模型结构与训练策略：先在通用时间Transformer模型的注意力模块中，增加自适应权重调整机制。本发明通过多领域数据融合和数据增强技术，丰富了训练数据的类型和特征，使模型能够学习到更广泛的数据模式和规律；这有助于模型在面对不同领域的零样本预测任务时，更好地泛化，提高预测的准确性和稳定性，减少因数据单一导致的过拟合问题。