一种基于局部线性层的多尺度时间序列特征提取方法

本发明提出了一种基于局部线性层的多尺度时间序列特征提取方法，包括以下步骤：S1：对输入的单变量或多变量时间序列进行标准化处理；S2：设置多个大小不同的时间窗口，每个窗口大小对应一个尺度；S3：在单个尺度下，于时间维度内采用掩码机制保留局部连接结构，并对该尺度内每个窗口中的时间步，通过线性变换独立提取局部特征；S4：在单个尺度下，于通道维度共享线性权重，对所有变量采用相同的线性权重矩阵进行特提取；S5：将初始序列与各个尺度下提取的特征序列沿尺度维度堆叠，形成每个变量的多尺度特征序列，输出供后续模型使用。本发明提供了一种名为“局部线性层”的新型神经网络层，可实现局部建模和多尺度特征提取，能提高参数效率和建模能力，适用于时间序列建模任务。