一种时间序列模型训练方法、装置及电子设备

本申请涉及机器学习技术领域，尤其涉及一种时间序列模型训练方法、装置及电子设备。该方法中，将时间序列数据按照预设规则划分为上下文数据以及目标数据，并在目标数据中随机遮蔽数据点。将时间序列数据输入至采用包含自监督学习机制的Transformer编码器，基于时间对比学习策略从时间序列数据集合中区分正样本对以及负样本对。将正样本对中未遮蔽的数据点输入至解码器中，采用交叉自注意力机制预测被遮蔽的数据点，以最小化预设的对比损失函数为目标优化模型训练过程，得到时间序列模型。上述方案，可以实现高效且智能地从时间序列数据中提取关键特征，进而实现对未来数据点的高精度预测。