一种时间序列数据增量学习预测方法、装置、设备及介质

本发明提供的一种时间序列数据增量学习预测方法、装置、设备及介质，涉及时间序列数据学习预测领域。本发明通过对获取的多维时间序列数据进行滑动窗口切分与特征对齐后，经梅尔频谱分析转化成二维频谱图；然后构建基于预训练的自注意力增量学习框架，结合弹性权重固化模块固定历史任务关键参数；并采用改进的经验回放机制筛选出代表性样本与复杂样本，保存至回放缓冲区；同时集成动态蒸馏损失函数进行训练，实现新旧知识融合，得到增量学习预测模型用于后续预测任务。本发明通过多策略协同的增量学习机制，解决了海量工业时序数据动态场景下的灾难性遗忘问题，在设备状态监测、故障预警等任务中显著提升模型持续学习的精度与稳定性。