时间序列预测在各个领域中被广泛应用。多层感知器（MLP）作为一种预测方法，已被证明在噪声干扰下比基于变换器的预测方法更具鲁棒性。然而，MLP在捕捉复杂特征方面存在困难，限制了其对长程依赖关系的捕捉能力。为了解决这一挑战，提出了XLinear，一种基于MLP的长程预测模型。该模型首先将时间序列分解为趋势和季节性成分。针对包含长程特征的趋势成分，设计了增强频率注意力（EFA），通过利用频域操作来捕捉长...