一种基于时间序列的深度学习算法的预测负载方法、系统及介质

本发明提出了一种基于时间序列的深度学习算法的预测负载方法、系统及介质，该负载方法包括：步骤1：数据收集与预处理；步骤2：模型设计；步骤3：模型训练；步骤4：负载预测；能够在复杂的时间序列数据中同时捕捉季节性波动和自相关特征。该模型首先通过动态季节性分解，使用正弦和余弦函数表达时间序列的周期性成分，进而捕捉季节性变化的非线性特征。随后，结合ARIMA模型中的自回归部分，进一步描述时间序列中的短期依赖性和趋势变化。本发明不仅能够处理固定周期性波动的数据，还能够应对季节性波动幅度随时间变化的数据。该模型在捕捉长短期依赖关系方面表现出色，适用于具有复杂周期性和自相关性的时间序列数据。