一种基于频谱卷积网络的多变量时间序列分类方法及系统

本发明公开了一种基于频谱卷积网络的多变量时间序列分类方法及系统，具体包括以下步骤：步骤S1.对一维多变量时间序列数据进行时频谱处理，将一维多变量时间序列数据转换为包含频域和周期性结构信息的综合一维特征表示；步骤S2.对所述综合的一维特征表示进行多尺度特征提取，以捕获不同时间尺度上的特征，得到多尺度融合特征；步骤S3.根据所述多尺度融合特征进行分类，得到所述一维多变量时间序列数据的分类结果。本发明能够有效揭示并利用时间序列数据中隐藏的周期性和关键频率成分，结合二维卷积网络进行特征提取，能够捕获到更丰富的结构化信息和复杂的依赖关系，为复杂多变量时间序列分析与应用提供了更为强大和高效的技术手段。