一种基于大语言模型融合知识图谱的可信时序预测方法

本发明提出一种基于大语言模型融合知识图谱的可信时序预测方法，该方法包括：对原始时序数据进行可逆归一化处理，并将归一化后的时序数据分解为趋势、季节及残差成分；利用预训练大语言模型的词汇表构建具有丰富语义的时序知识图谱；从时序知识图谱中筛选得到前缀提示序列，并与时间序列嵌入进行拼接，以得到增强后的时间序列嵌入；将增强后的时间序列嵌入输入至预训练大语言模型中进行处理，并进行逆标准化处理，以得到预测值。本发明能够有效捕捉时序数据成分的多样性，借助时序知识图谱提供优质的上下文提示，显著提升模型的预测性能；同时可量化预测结果的认知不确定性与偶然不确定性，从而实现可信的时序预测。