一种基于记忆引导和并行全局混合的时空数据预测方法

本发明公开了一种基于记忆引导和并行全局混合的时空数据预测方法，属于人工智能数据处理领域，旨在解决状态空间模型(SSM)因其顺序处理模式与多维时空数据存在架构失配，导致难以有效捕捉空间依赖且计算效率受限的问题。本方法的核心技术方案包括：首先，通过交叉注意力机制从历史记忆库中动态聚合与当前状态相关的历史上下文表征；然后，将该历史上下文表征与当前状态通过门控机制融合为增强特征表征；最后，采用并行的全局状态混合器，通过一次性的非递归全局聚合操作并行处理所有时空节点信息，以生成预测输出。本发明通过并行全局混合机制解决SSM架构失配问题，有助于降低计算资源消耗，提高了长时程预测任务的性能。