一种基于LightGBM算法的时间序列预测精度提升方法

本发明公开了一种基于LightGBM算法的时间序列预测精度提升方法，其特征在于，包括如下步骤：步骤一：在开始时间序列分析之前，首先要对缺失值进行处理；步骤二：数据处理完成后，判断时间序列是否存在趋势和季节性；步骤三：若时间序列不平稳，使用差分法去除序列的趋势和季节性，对每个步数的结果进行ADF检验，通过检验后得到的ADF检验统计量、p值判断出最佳的差分步数；步骤四：通过序列平稳后检验后，本发明涉及机器学习和时间序列分析技术领域。该基于LightGBM算法的时间序列预测精度提升方法，相比于传统方法，本方法具有更高的预测精度和更强的鲁棒性，能够应对各种复杂多变的数据情况，为我们提供更加准确、可靠的预测结果。