一种多尺度时间序列预测方法和装置

本发明公开了一种多尺度时间序列预测方法和装置，属于时间序列预测分析技术领域。该方法将fOU过程、LSTM模型和注意力机制相结合，能够同时捕捉时间序列的长期趋势和短期波动，提高预测精度和可解释性。该方法首先获取多元多尺度时间序列数据并进行预处理；然后采用移动平均法和残差法将目标时间序列分解为低频成分和高频成分；对低频成分采用fOU‑LSTM混合模型进行建模并预测；对高频成分采用多尺度LSTM模型并结合注意力机制进行建模并预测；最后采用动态加权法将低频和高频结果进行融合，得到最终目标变量预测值。本发明适用于包括金融、气象、医疗等领域具有长记忆性、多尺度特征和非线性特征的时间序列预测任务。