Python 可以用小波预测时间序列吗？

我有一堆具有许多季节性（日、周、月、年）的分钟数据。 我想用小波变换对其进行长期预测

现在我已经做了傅里叶变换，得到了预测每日季节性的表达式。 所以我提取了正弦函数的频率和振幅。 蓝色曲线是具有已知振幅和频率的5个正弦函数的总和。如果我把x值拟合到这个方程，我得到y值

此外，我还尝试用小波变换（使用pywt）实现同样的效果

这个例子来自

问题是：是否有可能（如果“是”，那么如何）用接收到的系数生成一个函数，对其进行x值拟合，并得到相应的y值

谢谢

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()