基于Mamba和Time Machine模型的数据预测方法

摘要

提出了一个集成特征融合网络(Integrated Feature Fusion Net, IFFN),用于天气、交通等时间序列数据预测.该网络基于双向Mamba编码器捕获数据的全局与局部特征，利用PS-Mixer (Polar-Vector and Strength-Vector Mixer)模块提取时间序列的极性趋势和波动强度特征，从而实现对复杂时间序列的高效建模和精准预测.此外，IFFN采用多尺度建模方法，融合时间序列的全局和局部特征，提升了模型的适应性与泛化能力.实验结果表明，IFFN在多个公开数据集上均显著优于当前流行的数据预测模型，特别是在处理大规模和复杂模式的时间序列数据时表现卓越.

关键词

Mamba模型 / Time Machine模型 / 神经网络 / 数据预测