基于多尺度并行架构卷积的两阶段多元时间序列预测模型

来源：计算机工程与应用杂志2026年第9期北京时间：

作者：白琳, 于泽正, 白晓岚, 潘晓英

单位：西安邮电大学 计算机学院，西安 710121；

摘要：针对时间序列数据的多周期性与季节性模式建模复杂，多尺度结构融合困难以及不同领域数据中变量间交互强度存在显著差异导致模型预测精度受限，跨场景适应能力不足的问题，提出了一种基于多尺度并行架构卷积的两阶段多元时间序列预测模型。该模型采用通道独立与通道混合的递进式两阶段学习策略，先后建模单通道内部与跨通道间交互的依赖关系，增强对不同场景数据的表达能力。其核心是包含深度卷积与扩张卷积的多个并行分支，通过配置差异化感受野实现对多尺度周期的特征提取，并结合卷积注意力模块强化特征表达能力，提升模型准确性。通过双预测头结构拟合数据中的线性与非线性关系，融合二者结果生成可靠的预测值。与8种最先进的方法在7个真实数据集上进行比较，MSE分别实现了4.4%、12.1%、2.5%、7.9%、9.3%、4.8%、1.3%和13.6%的平均降低，有效提升了模型的预测精度。

关键词：时间序列预测,多尺度,深度卷积,扩张卷积

基金资助：陕西省重点研发计划（2025CY-YBXM-195）；宁夏回族自治区重点研发项目（2024BEG02014）。