一种分布角度AI深度学习神经网络交通时序数据补全方法

本申请实施例提供一种分布角度AI深度学习神经网络交通时序数据补全方法，能够解决基于分布度的交通时序数据的补全能力差的技术问题。该补全方法包括：根据掩码序列，划分时序数据集，得到多个离散时间段；根据预设阈值，通过最大熵方法，过滤多个离散时间段，得到第一训练数据；将第一训练数据输入第一模块，得到第一训练数据中各个离线时间段的时间依赖结果，并输出第二训练数据；将第二训练数据输入第二模块，基于离散时间段的动态图关系，确定空间依赖结果；根据时间依赖结果和空间依赖结果，将待补全数据输入补全模型，得到数据补全结果。本申请从时序数据的分布角度，提高了补全模型的运行效率，使数据补全的结果更有利于对应的下游任务。