一、背景與動機

在時間序列預測中，如電力負荷、風速、交通流量等復雜數據常表現為：

• 非線性：趨勢+季節+突變+噪聲

• 多尺度：高頻擾動與低頻變化共存

• 長時依賴：遠期信息也影響當前預測

傳統模型（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”的復合框架：

STL + VMD + Informer & LSTM 并行建模，整合兩者優勢。

---

二、模型架構概覽

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：<