面向跨领域时间序列的通用和可泛化预测方法、系统、设备及介质

本发明属于时间序列分析技术领域，公开了面向跨领域时间序列的通用和可泛化预测方法、系统、设备及介质，以解决现有技术缺乏能深度解耦时间序列复杂模式的端到端学习框架，且码本匹配机制僵化的问题。本发明方法包括：获取来自多个领域的时间序列数据作为输入；通过深度傅里叶分词模块将时间序列分解为多个相互独立的深度基；通过路由码本，基于可学习的路由策略对深度基进行量化，以生成离散表征；将离散表征输入至下游预测模型，得到未来时间序列的预测结果。本发明通过深度解耦时间序列模式和可学习的码本选择机制，大幅增强了模型在跨领域任务中的通用性与泛化能力。