一种基于通道分组与预测校正的多变量时序预测的方法

本发明公开了一种基于通道分组与预测校正的多变量时序预测方法，具体方案包括（1）基于时‑频联合特征提取的多变量分组建模：构建通道部分相关的最优聚类模式，提供高效可靠的变量分组结构；（2）融合周期性约束的模型训练：提出一种融合周期性约束的模型损失函数，准确估计数据主导周期长度，并量化周期维度上各数据段的数值差异；（3）基于时序结构一致性引导的预测校正：通过量化历史数据段、当前数据段与预测数据段之间的相关性差异，计算用于数据校正的调整因子，实现对模型输出的自适应校正。本发明实现了对多变量时间序列数据的高精度预测，为流程工业系统中的多变量时序预测问题提供了一种创新的技术方案，具有重要的实践价值。