一种频率解耦双分支自适应预测方法

本发明公开了一种频率解耦双分支自适应预测方法。对历史时序数据进行变量反转分词处理，将所得特征分别输入直接映射路径和深度演化路径，并通过动态门控机制自适应融合双路径特征后解码输出预测结果。利用直接映射路径保留高频波动和局部突变信息，利用共享一维时序卷积与受Sinkhorn约束的多流调和演化模块提取局部动态特征并稳定深层特征交互，再基于全局异质性方差代理生成样本级融合权重，解决了现有技术中的预测存在过度平滑、高频信息衰减、频率混叠、深层特征退化、跨变量交互不稳定以及对不同运行状态适应能力不足的技术问题，在保留高频波动信息的同时增强深层时序特征建模能力，并提高了模型在复杂动态场景下的预测稳定性、鲁棒性和准确性。