一种基于变量依赖和长时依赖的时间序列预测系统

本发明属于时间序列分析技术领域，具体为一种基于变量依赖和长时依赖的多变量时间序列预测系统。本发明时间序列预测系统包括：多变量时序预测的大语言模型，具体采用预训练权重的大语言模型GPT‑2；还包括加载于大语言模型GPT‑2的架构上的时序通道适配器，用于学习多变量之间的依赖关系，动态调整各个变量通道权重；以及加载于大语言模型GPT‑2输出的表示空间的后约束模块，用于对比学习约束，驱使大语言模型学习更鲁棒和更有预测性的表示。本发明有效提高了在长期时间序列预测场景下的预测精度和预测过程的可解释性，并具备很好的可移植性和通用性，可以快速地从一个应用场景迁移到一个新的应用场景。