基于动态图学习的多元时间序列缺失值插补方法及系统

本发明涉及人工智能技术领域，具体公开了基于动态图学习的多元时间序列缺失值插补方法及系统，方法包括：获取带缺失值的多元时间序列数据；构建图结构，通过图神经网络调整所述图结构的邻接矩阵，计算得到自适应图结构；所述自适应图结构通过编码器、解码器，计算得到前向插补值、后向插补值和节点嵌入表示；利用多层感知机聚合，计算得到预测缺失值；将所述预测缺失值与带缺失值的多元时间序列数据结合，得到插补后的多元时间序列数据。本发明以动态图结构学习来建模变量之间在不同时间步的相关性，同时学习变量关联性与时间序列的时序依赖关系，通过用学习到的表征对缺失数据进行两阶段的插补计算，有效提升了缺失值插补的准确率。