一种基于深度学习的时间序列智能识别方法及系统

本发明涉及一种基于深度学习的时间序列智能识别方法及系统，方法包括：基于深度学习的CNN和RNN，结合STFT算法，构建TF‑DCRNN模型；构建用于信号分类的时间序列数据集及对应的信号类型标签，时间序列数据集包括训练集、验证集和测试集；利用训练集、验证集和测试集，依次对TF‑DCRNN模型进行训练、验证和测试，输出分类标签；将分类标签与信号类型标签进行比较，得到时间序列识别结果。TF‑DCRNN模型继承了CNN和RNN的优势，有效降低网络超参数训练量，防止过拟合情况发生；结合了信号的时频特征，增加了网络的可解释性，提升了网络整体性能。