Dans cet article, nous proposons un nouveau cadre, FLDmamba, pour relever les défis de la prévision des séries temporelles à long terme (non-stationnarité, périodicité multi-échelle et dynamique transitoire). Pour surmonter la complexité de calcul des modèles existants basés sur Transformer et la difficulté de capturer la périodicité multi-échelle et la dynamique transitoire de Mamba basé sur le modèle d'espace d'état, ainsi que sa vulnérabilité au bruit, nous capturons efficacement la périodicité multi-échelle et la dynamique transitoire et améliorons la robustesse au bruit en utilisant la transformée de Fourier et la transformée de Laplace. Les résultats expérimentaux montrent que FLDmamba surpasse les modèles existants basés sur Transformer et Mamba. Le code et les données sont en libre accès.
