1 背景與動機

在高頻、多尺度且非平穩的時序場景（如新能源產能預測、金融行情、用戶行為流分析）中，單一網絡分支 往往難以同時捕獲

• 長程依賴（Transformer 長距離建模優勢）

• 局部細粒信息（循環網絡對短期波動敏感）

將 Transformer 與 雙向 GRU（BiGRU） 以并行支路組合，并引入

1. Global Attention —— 強化對全局趨勢的重要性重加權

2. Cross Attention —— 顯式對齊兩條特征序列、互補信息

可在不顯著增加推理時延的前提下，提高復雜時序任務的精度與魯棒性。

---

2 模型整體框架

組件	作用	關鍵超參
Tr