一种多时间尺度通道混合注意力机制的时间序列预测方法

本发明公开了一种多时间尺度通道混合注意力机制的时间序列预测方法，涉及时间序列预测和深度学习技术领域。具体而言，将时间序列数据通过通道混合注意力机制，对提取的特征进行加权处理。该机制能够根据特征的重要性动态调整其权重，确保关键特征在预测中发挥更大作用。然后将时间序列数据输入至多时间尺度卷积神经网络中，以获得不同时间尺度下的特征向量。将加权后的特征进行融合，获取综合的多时间尺度特征，完成时间序列预测模型的训练过程。本发明不仅提高了时间序列预测的准确性和适应性，还能够更加准确地捕捉时间序列数据中的复杂模式和趋势。通过这种方法，本发明能够在各种需要高精度预测的应用场景中发挥作用。