基于素描矩阵的张量自回归模型系数估计优化系统及方法

本发明公开了基于素描矩阵的张量自回归模型系数估计优化系统及方法，涉及多维度时序数据处理技术领域。系统包括多模态数据采集、自适应素描矩阵构建、张量自回归模型构建、多阶段系数估计优化等模块；方法通过预处理多源时序数据构建张量，基于PARAFAC分解与差异化采样生成稀疏素描矩阵压缩数据，搭建含滞后项的张量自回归模型，结合L1‑L2混合正则项与ADMM算法优化系数，动态更新模型并部署。本发明通过素描矩阵降低计算复杂度，综合效率提升≥50％，同时保障数据关键信息保留，重构误差≤5％、预测精度下降≤10％，适配边缘设备，可应用于物联网监测、金融分析等场景，解决高维数据处理中效率与精度的矛盾，降低运维成本。