FRWKV+：面向频域空间线性时间序列预测的自适应周期-位置分支交互

长期时间序列预测对于能源、金融、交通和医疗保健系统的决策至关重要。最近的轻量级预测模型通过在变换或线性化空间中运行来提高效率，但频域空间预测仍面临两个挑战。复频谱的实部和虚部流包含互补信息，但这些信息通常交换不足，而周期-位置线索只有在它们对当前数据集和预测范围可靠时才能帮助识别重复模式。为了解决这些挑战，我们提出了FRWKV+，一种增强的FRWKV预测模型，用于选择性的周期-位置分支交互。FRWKV+首先引入了跨分支门控，在实部和虚部频率流之间交换紧凑的上下文信息，允许每个流调制另一个流。然后，它使用自适应PhaseGate机制提取周期-位置上下文，并为这些门控生成带符号的校正。一个自适应信任机制在样本、变量和通道级别控制校正强度，使得周期-位置信息被接纳为可靠的校正信号，同时保持FRWKV骨干网络的效率。外部基准表报告了一个单独标记的FRWKV家族选定系统用于文稿级比较，而机制层面的声明则基于严格的匹配种子的FRWKV家族消融实验和代表性组件级消融实验。在这种匹配协议下，FRWKV+在家族变体中实现了最大的均方误差（MSE）优胜覆盖率，并在选定的周期性区域中提供了明显的增益。组件分析进一步支持了周期-位置上下文、带符号校正和自适应信任在这些区域中的有用性，同时揭示了更简单的校正规则仍然更优的边界情况。