基于谱图和时间序列表示的商品价格多模态预测

多变量时间序列预测因复杂的跨变量依赖关系和异构外部影响的存在而具有挑战性。本文提出了谱图增强多模态融合（SEMF），将谱和时间表示相结合，以实现更准确和更稳健的预测。目标时间序列被转换为莫尔小波谱图，从中提取局部、频率感知的特征。并行地，对外部变量（如金融指标和宏观经济信号）通过Transformer进行编码，以捕获时间依赖性和多变量动态。双向交叉注意力模块将这些模态整合为统一的表示，同时保留各自的信号特征并建模跨模态相关性。应用于多个商品价格预测任务后，SEMF在多个预测时段和评估指标上均显著优于七个竞争性基线。这些结果表明，多模态融合和谱图基编码在捕获复杂金融时间序列中的多尺度模式方面具有有效性。