基于生成式预训练模型的工业时序数据预测方法及装置

本申请涉及工业人工智能技术领域，特别涉及一种基于生成式预训练模型的工业时序数据预测方法及装置，其中，方法包括：获取待预测工业时序数据；基于预设的自适应分块嵌入策略和重归一化策略，对待预测工业时序数据进行统一编码，得到编码后的时序数据；将编码后的时序数据输入至预设的生成式预测模型得到待预测工业时序数据的时序数据预测结果，其中，预设的生成式预测模型基于预设的条件时间流损失函数，利用大规模时序数据集训练得到。由此，通过构建基于流匹配的生成式时序模型，解决了工业数据预测中多源异构数据处理困难、确定性预测局限大、零样本适应性差等问题，实现对工业数据的高效建模和精准预测。