一种基于递归神经网络的高效长期多元时间序列预测方法

本发明公开了一种基于递归神经网络的高效长期多元时间序列预测方法，涉及时间序列预测技术领域。本发明通过mLANet框架和AECCM模块这两项关键创新，分别解决了长期依赖建模和多维特征融合的难题，mLANet框架通过堆叠mLSTM层增强了网络的时序建模能力，而AECCM模块则通过数据转换和特征融合提升了模型对复杂时间序列模式的理解能力，此外，本发明通过有机整合这些创新组件，实现了对不同时间尺度和特征维度的有效处理，使模型能够适应各种复杂场景，实验结果表明，本发明提出的架构显著提高了长期多元时间序列预测的精度，特别是在对准确性和实时性要求极高的场景中表现出色，为长期多元时间序列预测领域提供了一种精度优良的新解决方案。