A multi-level feedback queue-driven deep learning architecture for enhanced time series prediction

doi:10.1007/s13042-026-03293-0

A multi-level feedback queue-driven deep learning architecture for enhanced time series prediction

2026-09-12

0

PRE

AI

DOI：10.1007/s13042-026-03293-0

原文链接

原文求助

摘要

En 中文

准确的时间序列预测在从气象建模到智能电网管理的各类应用中至关重要。尽管深度学习提升了预测能力，但现有架构常难以捕捉现实数据中固有的多尺度时间依赖性和非平稳模式。为解决此问题，我们提出MLFQ-Hybrid，一种集成多级反馈队列（MLFQ）模块与卷积层、双向LSTM和注意力机制的混合深度学习框架，以分层提取并动态细化不同时间尺度的特征。MLFQ模块采用门控分层结构，通过跨级反馈选择性放大或抑制特征，同时自适应损失平衡机制确保稳定的 multitask 优化。在能源、天气、交通等多样化真实数据集上的实验表明，MLFQ-Hybrid 取得具有竞争力的性能，在准确性和稳定性方面均显著优于基线模型。

Keyword:

Multi-level feedback queue

Hybrid deep learning

Time series prediction

Temporal feature

A multi-level feedback queue-driven deep learning architecture for enhanced time series prediction

摘要

期刊

机构