一种基于循环神经网络的非平稳时序数据预测方法

摘要

本发明提供了一种基于循环神经网络的非平稳时序数据预测方法，包括以下步骤：读取数据库中相应原始时序数据后，采用滑动窗口技术结合局部离群因子算法以及线性插值方法，分别实现原始时序数据中异常值的检测与缺失值的修正，达到数据预处理的目的；同时，对预处理后数据进行相应的数据重构操作，以适用于有监督型模型的输入；依据前部分中处理后的数据，通过循环神经网络方法实现非平稳时序数据的滚动预测。本发明方法对原始时序数据进行了相应预处理操作，不仅实现毛刺数据识别，还实现异常数据与缺失数据的修正，提高预测方法的精度；同时，采用循环神经网络方法实现非平稳时序数据的滚动预测，大幅提高非平稳时序数据预测的精确度。