基于Mamba的时间序列的城市计算基础模型及设备

本发明提供了一种基于Mamba的时间序列的城市计算基础模型及设备，涉及数据处理技术领域。本发明实施例中提供的模型中，将Mamba架构与多任务时间序列分析相结合。针对城市时间序列数据的非平稳性，结合Koopman算子理论和动态模式分解，设计了频率提示网络进行解耦，从时间和频率的角度分析稳态模式和非平稳波动，并且引入了频率模式内存池(FPMP)用于实现跨场景的特征重用。利用Mamba模型在捕获长期时间依赖性方面的优势，设计了类似Mamba的注意机制来模拟多变量时间序列中的通道依赖性。引入可学习的补充序列和多任务提示标记支持动态多任务适应，缓解了城市数据异构性和任务多样性之间的矛盾。通过多任务注意力模块的共享专家和特定任务专家来平衡共享知识和特定任务知识，缓解多任务学习中的负迁移问题，增强了模型的泛化能力。