一种基于机器学习的时间序列预测方法、系统及电子设备

摘要

本发明提供一种基于机器学习的时间序列预测方法，该方法通过真实时间序列训练多个第一预测模型得到第二预测模型，并通过第二预测模型获得多个预测时间序列，并将多个预测时间序列根据在同一时间节点对应的预测值与真实值进行拼接，获得多个数据集，基于多个数据集对初始机器学习回归模型进行训练以获得最终机器学习回归模型，最后通过最终机器学习回归模型获得预测结果。将预测值与真实值进行拼接，而构造多个数据集，使得初始机器学习回归模型在训练时无需进行人工操作划定时间窗口，提高了预测模型的预测准确度，减少人工成本。进一步，通过设置传统的预测模型与机器学习回归模型的两级分层结构，提升预测的准确度。