A long-term time series forecasting model based on multi-scale wavelet decomposition and Multi-Frequency Interactive Convolution

Yu Chen

doi:10.1016/j.compeleceng.2026.111548

A long-term time series forecasting model based on multi-scale wavelet decomposition and Multi-Frequency Interactive Convolution

2026-09-22

0

PRE

AI

DOI：10.1016/j.compeleceng.2026.111548

原文链接

原文求助

摘要

En 中文

时间序列预测在电力调度、金融分析和气候建模等领域发挥着关键作用。尽管基于Transformer的方法已取得广泛应用的成功，但它们在建模复杂周期性和多尺度动态方面仍存在局限性。本文提出了一种新颖的框架MWD-MFIC，该框架将多尺度小波分解（MWD）与多频交互卷积（MFIC）相结合，以增强频域特征的提取和建模。该方法通过离散小波变换获取不同频带上的特征，并采用跨尺度卷积使多频特征之间能够进行深度交互。分解后的频域分量随后由所提出的残差频率映射（RFM）进行处理。实验结果表明，所提出的模型在多个公开数据集上相较于现有最优方法实现了显著的性能提升，验证了其在预测精度、计算效率和泛化能力方面的优越性能。

A long-term time series forecasting model based on multi-scale wavelet decomposition and Multi-Frequency Interactive Convolution

摘要

期刊

机构

引用论文