基于形状元的大语言模型可解释性时间序列分类方法及系统

本发明提出一种基于形状元的大语言模型可解释性时间序列分类方法及系统，属于人工智能领域，包括：S1：加载预训练的LLM权重，配置各子系统的参数；从数据源加载时间序列，对其进行预处理；S2：将预处理后的时间序列输入候选形状特征生成模块，得到候选形状元集合；S3：将候选形状元集合输入文本引导形状特征评估模块，对每个候选形状元利用LLM在语义相关性、扰动稳定性和可解释性三个维度进行评估和过滤，得到形状元集合和解释文本；S4：将形状元集合经表示学习后得到的特征向量输入分类器模型，输出对应标签的预测结果。本发明提高了时间序列分类的准确性和可靠性，同时提供了可解释的分类结果。