一、背景與動機(jī)

在時(shí)間序列預(yù)測中，如電力負(fù)荷、風(fēng)速、交通流量等復(fù)雜數(shù)據(jù)常表現(xiàn)為：

• 非線性：趨勢+季節(jié)+突變+噪聲

• 多尺度：高頻擾動與低頻變化共存

• 長時(shí)依賴：遠(yuǎn)期信息也影響當(dāng)前預(yù)測

傳統(tǒng)模型（如 ARIMA、LSTM）往往無法兼顧全局趨勢建模與局部擾動感知，因此我們提出一種 “二次分解 + 并行建模”的復(fù)合框架：

STL + VMD + Informer & LSTM 并行建模，整合兩者優(yōu)勢。

二、模型架構(gòu)概覽

整套框架分為五步：

三、STL+VMD 二次分解模塊詳解

1. STL（Seasonal-Trend decomposition using Loess）

**作用：**將序列分解為：<