淘寶客網(wǎng)站虛擬主機盤多多百度網(wǎng)盤搜索引擎
一、背景與動機
在時間序列預測中，如電力負荷、風速、交通流量等復雜數(shù)據(jù)常表現(xiàn)為：
-
非線性：趨勢+季節(jié)+突變+噪聲
-
多尺度：高頻擾動與低頻變化共存
-
長時依賴：遠期信息也影響當前預測
傳統(tǒng)模型（如 ARIMA、LSTM）往往無法兼顧全局趨勢建模與局部擾動感知，因此我們提出一種 “二次分解 + 并行建?！钡膹秃峡蚣?/strong>：
STL + VMD + Informer & LSTM 并行建模，整合兩者優(yōu)勢。
二、模型架構(gòu)概覽
整套框架分為五步：
三、STL+VMD 二次分解模塊詳解
1. STL（Seasonal-Trend decomposition using Loess）
**作用：**將序列分解為：<