多尺度时序数据图像化的多模态时空序列预测方法及装置

本发明提供的多尺度时序数据图像化的多模态时空序列预测方法及装置，涉及时序数据预测领域。本发明通过对获取的单尺度时空序列数据进行滑窗划分与步长扩展得到不同尺度的单尺度长期时空数据，并进行多尺度融合，生成多尺度长短期时空数据集合，接着转化为固定分辨率的图像数据；利用卷积神经网络提取多尺度长期图像数据的时空特征，利用时空瓶颈注意力网络提取单尺度短期时空数据的时空特征；通过将分别从单尺度短期时空数据与多尺度长期图像数据提取的两种模态的时空特征进行自适应加权融合，得到预测结果。本发明能显著提升多变量时空序列数据的预测性能与收敛速度，可广泛应用于交通流量预测、股票价格预测等任务，具有重要的实际应用价值。