[发明专利]一种基于多级分解和融合的时序预测系统及方法

权利要求书

1.一种基于多级分解和融合的时序预测系统，其特征在于，所述系统包括：

编码器，包含多个相同的编码器块；所述编码器的每一个编码器块包含：

第一级编码器时序分解及融合单元，包含第一个多头自注意力模块(Multi-HeadSelf-Attention)，第一个用于神经网络的小波分解模块(WTDU1)，第一个用于神经网络的季节性-趋势分解模块(STDU1)；所述第一级编码器时序分解及融合单元获取上一级编码器块的输出序列做为第一编码序列；所述第一个多头自注意力模块基于所述第一编码序列提取相关性得到第二编码序列；所述WTDU1将所述第一编码序列分解得到第一高频分量和第一低频分量；所述STDU1将所述第一编码序列与所述第二编码序列相加得到的序列分解得到第一季节分量；采用交叉融合策略将所述第一高频分量、所述第一低频分量融合到所述第一季节分量进行连接，得到第一次季节信息增强表达的序列；将所述第一次季节信息增强表达的序列与所述第一季节分量进行相加后得到第三编码序列，将所述第一次季节信息增强表达的序列与所述第一低频分量进行相加后得到第四编码序列；

第二级编码器时序分解及融合单元，包含第二个用于神经网络的小波分解模块(WTDU2)，第二个用于神经网络的季节性-趋势分解模块(STDU2)；所述WTDU2将所述第四编码序列分解得到第二高频分量和第二低频分量；所述STDU2将所述第三编码序列分解得到第二季节分量；采用交叉融合策略将所述第一高频分量、所述第二高频分量和所述第二低频分量融合到所述第二季节分量进行连接，得到第二次季节信息增强表达的编码序列；所述第二次季节信息增强表达的编码序列为所述每一个编码器块的输出序列。

2.一种基于多级分解和融合的时序预测系统，其特征在于，所述系统包括：

解码器，包含多个相同的解码器块；所述解码器的每一个解码器块包含：

第一级解码器时序分解单元，包含第二个多头自注意力模块，第三个用于神经网络的小波分解模块(WTDU3)，第三个用于神经网络的季节性-趋势分解模块(STDU3)；所述第一级解码器时序分解单元获取上一级解码器块的输出序列做为第一解码序列；所述第二个多头自注意力模块基于所述第一解码序列提取相关性得到第二解码序列；所述WTDU3将所述第一解码序列分解得到第三高频分量和第三低频分量；所述STDU3将所述第一解码序列和所述第二解码序列相加得到的序列分解得到的第三季节分量和第三趋势分量；

第二级解码器时序分解及融合单元，包含一个多头交叉注意力模块(Multi-HeadCross-Attention)，第四个用于神经网络的小波分解模块(WTDU4)，第四个用于神经网络的季节性-趋势分解模块(STDU4)；所述多头交叉注意力模块基于所述第三季节分量提取相关性得到第三解码序列；所述WTDU4将所述第三低频分量分解得到第四高频分量和第四低频分量；所述STDU4将所述第三季节分量和所述第三解码序列相加得到的序列分解得到第四季节分量和第四趋势分量；采用交叉融合策略将所述第三高频分量、所述第四高频分量和所述第四低频分量融合到所述第四季节分量进行连接，得到季节信息再次增强表达的序列；将所述季节信息再次增强表达的序列与所述第四低频分量进行相加后得到第四解码序列；将所述季节信息再次增强表达的序列与所述第四季节分量进行相加后得到第五解码序列；

第三级解码器时序分解单元，包含第五个用于神经网络的小波分解模块(WTDU5)，第五个用于神经网络的季节性-趋势分解模块(STDU5)；所述WTDU5将所述第四解码序列分解得到第五高频分量和第五低频分量；所述STDU5将所述第五解码序列分解得到的第五季节分量和第五趋势分量；将所述第三趋势分量、所述第四趋势分量、所述第五趋势分量、所述第五高频分量和所述第五低频分量求和得到所述每一个编码器块的趋势分量；所述第五季节分量做为所述每一个解码器块的输出序列。