一种基于特征提取的多元时间序列预测方法

本发明公开了一种基于特征提取的多元时间序列预测方法，先进行数据采集，构建多元时间序列Xt，再利用时序卷积模块提取Xt的短期依赖关系，并利用CBAM模块和Xt进行特征增强；随后利用RNN模型获取Xt的长期依赖关系L1和RNN的隐向量矩阵β，之后利用多头自注意力机制，从隐向量矩阵β中获取长期依赖关系L2，并使用CBAM模块和隐向量矩阵β对L2进行特征增强；接着使用叠加和正则化操作融合长期依赖关系L1和L2，并使用MLP网络和向量叉乘等操作，融合长短期依赖关系，最后使用1*1卷积和MLP网络等操作，融合多元时间序列Xt进行时序预测。