一种基于多重特征融合注意力的时间序列数据预测方法及装置

本申请提供一种基于多重特征融合注意力的时间序列数据预测方法及装置，涉及数据分析及挖掘领域，解决现有技术存在无法有效处理涉及高阶、多维度相互作用的复杂时间序列数据，导致预测精度难以满足实际应用需求的技术问题。该方法具体包括：获取复杂时间序列数据；利用多维时间序列分解算法对复杂时间序列数据进行分解；基于Loess的季节趋势分解算法计算趋势强度与季节性强度，筛选出各有效时间序列；将各有效时间序列输入双通道时域卷积进行特征提取，输出全局特征矩阵和局部特征矩阵；基于时间序列特征融合算法对全局特征矩阵和局部特征矩阵进行融合，得到待预测复杂时间序列数据的预测结果。本申请用于时间序列数据预测。