基于Mamba和Time Machine模型的数据预测方法.pdfVIP

２０２５年９月西南民族大学学报(自然科学版)Ｓｅｐ.２０２５

第５期范亚茹ꎬ等:基于Ｍａｍｂａ和ＴｉｍｅＭａｃｈｉｎｅ模型的数据预测方法

第５１卷第５期ＪｏｕｒｎａｌｏｆＳｏｕｔｈｗｅｓｔＭｉｎｚｕＵｎｉｖｅｒｓｉｔｙ(ＮａｔｕｒａｌＳｃｉｅｎｃｅＥｄｉｔｉｏｎ)Ｖｏｌ.５１Ｎｏ.５

ｄｏｉ:１０１１９２０/ｘｎｍｄｚｋ２０２５０５０１２

基于Ｍａｍｂａ和ＴｉｍｅＭａｃｈｉｎｅ模型的数据预测方法

１２

范亚茹ꎬ熊志豪

(１.西南民族大学数学学院ꎬ四川成都６１００４１ꎻ２.西南民族大学计算机与人工智能学院ꎬ四川成都６１００４１)

摘要:提出了一个集成特征融合网络(ＩｎｔｅｇｒａｔｅｄＦｅａｔｕｒｅＦｕｓｉｏｎＮｅｔꎬＩＦＦＮ)ꎬ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ꎬ利用ＰＳ￣Ｍｉｘｅｒ(Ｐｏｌａｒ￣ＶｅｃｔｏｒａｎｄＳｔｒｅｎｇｔｈ￣ＶｅｃｔｏｒＭｉｘｅｒ)模块提

取时间序列的极性趋势和波动强度特征ꎬ从而实现对复杂时间序列的高效建模和精准预测.此外ꎬＩＦＦＮ采用多尺度建

模方法ꎬ融合时间序列的全局和局部特征ꎬ提升了模型的适应性与泛化能力.实验结果表明ꎬＩＦＦＮ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ꎬ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ꎻＴｉｍｅＭａｃｈｉｎｅ模型ꎻ神经网络ꎻ数据预测

中图分类号:Ｏ２４２文献标志码:Ａ文章编号:２０９５￣４２７１(２０２５)０５￣０５６７￣０６

ＤａｔａｐｒｅｄｉｃｔｉｏｎｍｅｔｈｏｄｂａｓｅｄｏｎＭａｍｂａａｎｄＴｉｍｅＭａｃｈｉｎｅｍｏｄｅｌｓ

１２

ＦＡＮＹａｒｕꎬＸＩＯＮＧＺｈｉｈａｏ

(１ＳｃｈｏｏｌｏｆＭａｔｈｅｍａｔｉｃｓꎬＳｏｕｔｈｗｅｓｔＭｉｎｚｕＵｎｉｖｅｒｓｉｔｙꎬＣｈｅｎｇｄｕ６１００４１ꎬＣｈｉｎａꎻ

２ＳｃｈｏｏｌｏｆＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅａｎｄＡｒｔｉｆｉｃｉａｌＩｎｔｅｌｌｉｇｅｎｃｅꎬＳｏｕｔｈｗｅｓｔＭｉｎｚｕＵｎｉｖｅｒｓｉｔｙꎬＣｈｅｎｇｄｕ６１００４１ꎬＣｈｉｎａ)

Ａｂｓｔｒａｃｔ:ＴｈｅＩｎｔｅｇｒａｔｅｄＦｅａｔｕｒｅＦｕｓｉｏｎＮｅｔｗｏｒｋ(ＩＦＦＮ)ｗａｓｐｒｏｐｏｓｅｄｉｎｔｈｉｓｐａｐｅｒｆｏｒｔｈｅｐｒｅｄｉｃｔｉｏｎｏｆｔｉｍｅｓｅｒｉｅｓｄａｔａｓｕｃｈ

ａｓｗｅａｔｈｅｒａｎｄｔｒａｆｆｉｃＴｈｅｎｅｔｗｏｒｋｅｍｐｌｏｙｅｄａｂｉｄｉｒｅｃｔｉｏｎａｌＭａｍｂａｅｎｃｏｄｅｒｔｏｃａｐｔｕｒｅｂｏｔｈｇｌｏｂａｌａｎｄｌｏｃａｌｆｅａｔｕｒｅｓꎬａｎｄｕｔｉ￣

ｌｉｚｅｄｔｈｅＰＳ￣Ｍｉｘｅｒ(Ｐｏｌａｒ￣ＶｅｃｔｏｒａｎｄＳｔｒｅｎｇｔｈ￣ＶｅｃｔｏｒＭｉｘｅｒ)ｍｏｄｕｌｅｔｏｅｘｔｒａｃｔｐｏｌａｒｔｒｅｎｄａｎｄｆｌｕｃｔｕａｔｉｏｎｆｅａｔｕｒｅｓ(ｐｏｌａｒａｎｄ

ｓｔｒｅｎｇｔｈｖｅｃｔｏｒｓ)ｆｒｏｍｔｈｅｄａｔａꎬｅｎａｂｌｉｎｇｅｆｆｉｃｉｅｎｔｍｏｄｅｌｉｎｇａｎｄａｃｃｕｒａｔｅｐｒｅｄｉｃｔｉｏｎｏｆｃｏｍｐｌｅｘｔｉｍｅｓｅｒｉｅｓＦ