基于堆叠卷积神经网络和通道注意力机制的时间序列预测方法

本发明提供基于堆叠卷积神经网络和通道注意力机制的时间序列预测方法，涉及人工智能与数据挖掘的技术领域，通过引入周期感知的堆叠卷积结构与通道注意力机制，有效提升了时间序列预测模型在周期特征提取和多变量建模方面的能力。周期卷积模块通过结合周期长度设定卷积感受野，并采用统一的先验权重初始化方式，使模型在训练初期即具备对周期规律的敏感性，从而提升训练效率与预测准确性。通道注意力机制则基于全局池化和非线性映射动态生成各通道的权重，增强了模型对关键变量的识别能力，避免了传统方法等权处理通道带来的性能损失。