一种基于小波变换的多尺度多变量时间序列预测方法

本发明提供了一种基于小波变换的多尺度多变量时间序列预测方法，包括构建预测模型，预测模型包括小波多尺度分解模块、多分辨率特征提取模块、以及多尺度融合模块。所述小波多尺度分解模块利用多层离散小波变换将时间序列划分为多个分辨率的子序列，生成包括近似系数序列和细节系数序列在内的多尺度特征表示；所述多分辨率特征提取模块分别提取季节性成分和趋势性成分，采用可学习的自适应频率滤波器，将季节性与趋势性成分进行提取分离，并使用Transformer‑based模型提取趋势成分和CNN‑based模型提取季节成分。所述多尺度融合模块对各个尺度下的特征表示进行加权融合；将历史观测序列输入至预测模型中，输出预测序列。