基于时间序列的数据趋势预测方法和系统

摘要

本发明涉及一种基于时间序列的数据趋势预测方法和系统，其中方法包括：将历史时间序列数据转换为可视化的时间序列图像数据；将时间序列图像数据转换为矩阵数据；采用支持输入多变量数据的卷积神经网络模型提取矩阵数据的数据趋势特征；根据数据趋势特征构建基于条件随机场的联合时序数据趋势预测模型；向联合时序数据趋势预测模型中输入待预测时间序列数据，输出时间序列数据趋势预测结果。本发明结合经济类数据的结构和分布特点，进行PSV序列数据转换，解决深度学习过程中时序数据预处理问题；按照时序数据结构特点提取卷积采样数据特征分类判别，效果有明显提升；结合矩阵数据卷积特征和序列状态传播特征对数据趋势判别任务进行增强。