可以使用小波预测时间序列吗？

如何解决可以使用小波预测时间序列吗？

我有一堆分钟数据，这些数据有很多季节性（天，周，月，年）。 我想使用小波变换对其进行长期预测。

此刻，我已经进行了傅立叶变换，并得到了用于预测每日季节性的表达式。 因此，我提取了正弦函数的频率和幅度。 Seasonal trend (orange) and reconstructed seasonal trend(blue) 蓝色曲线是具有已知振幅和频率的5个正弦函数的总和。而且，如果我将x值拟合到该方程式，我将得到y值。

我还试图通过小波变换（使用pywt）来做同样的事情。

import numpy as np
import pywt
x = np.linspace(0,1,num=2048)
chirp_signal = np.sin(250 * np.pi * x**2)
data = chirp_signal

fig,ax = plt.subplots(figsize=(40,10))
ax.set_title("Original Signal: ")
ax.plot(data)
plt.show()

waveletname = 'sym5'

fig,axarr = plt.subplots(nrows=5,ncols=2,figsize=(40,10))
for ii in range(5):
    (data,coeff_d) = pywt.dwt(data,waveletname)
    axarr[ii,0].plot(data,'r')
    axarr[ii,1].plot(coeff_d,'g')
    axarr[ii,0].set_ylabel("Level {}".format(ii + 1),fontsize=20,rotation=90)
    axarr[ii,0].set_yticklabels([])
    if ii == 0:
        axarr[ii,0].set_title("Approximation coefficients",fontsize=20)
        axarr[ii,1].set_title("Detail coefficients",fontsize=20)
    axarr[ii,1].set_yticklabels([])

plt.tight_layout()
plt.show()

该示例来自this guide。

然后问题是：是否有可能（如果是，则如何）构造一个具有接收系数的函数，将x值拟合到该函数并获得相应的y值？ >

谢谢！