一种基于视觉预训练模型的时序预测方法

本发明公开了一种基于视觉预训练模型的时序预测方法，首先对输入数据进行插补和归一化处理，将数据分为单变量序列和多变量序列；将单变量序列通过分割、渲染、对齐操作转换成图像，并利用预训练MAE对转换后的图像进行重构，得到单变量序列对应的预测值；将多变量序列通过聚类、渲染、对齐操作转换成图像，利用预训练MAE对转换后的图像进行重构，并将重构后的图像进行复原，得到多变量序列对应的预测值；针对单变量序列对应的预测值和多变量序列对应的预测值，分别赋予不同的可学习的权重参数，动态整合时间特征与空间特征。上述方法同时考虑多变量序列间的协同关系，还能够减少插补误差对模型的影响，提高了预测性能。