基于多分支结构与双预测头门控机制的时间序列预测方法

本发明针对多尺度时间序列建模中的表示能力不足问题，提出了一种预测模型，通过三个关键模块的协同设计，有效提升了复杂时序数据建模与预测的能力，多分支时间片段特征提取模块通过多尺度划分策略对时间序列进行多样化patch编码处理，增强了模型对不同时间粒度下周期、趋势等时序结构的表达能力。卷积混合编码特征提取模块结合Depthwise与Pointwise卷积的混合机制，有效捕捉局部与全局的时间依赖关系，提高了特征提取的效率与准确性。双通路融合预测模块则采用线性映射通路与MLP通路的双预测结构，并引入可学习的门控机制，实现了对不同类型预测结果的自适应加权融合，从而进一步增强了模型的表达灵活性与预测鲁棒性。