基于傅里叶变换和代理自注意力的时序预测方法及系统，构建包含傅里叶卷积处理模块、代理自注意力模块、非线性门控模块、特征融合和线性预测模块的时序预测模型，将基于预测目标的历史数据得到的训练集输入时序预测模型中进行训练。本发明设计基于时间序列内在特性的算法模型，不仅可以大规模训练预测模型，且比同期模型具有更快的收敛性能，解决运行内存消耗大的问题，具有预测速度快，泛化能力强的特点，其网络结构可应用于天气预测，金融分析，电力能源预测领域，充分发挥了深度神经网络的优势，具有设计简单、鲁棒性较佳、检测准确率高、预测精度高的优点。