一种基于多尺度长短期记忆网络的化工企业利润预测方法

本发明公开了一种基于多尺度长短期记忆网络的化工企业利润预测方法，包括从化工企业的历史数据中采集用于预测的时间序列数据，对采集的数据进行预处理，将处理后的数据划分为训练集和测试集。构建基于多尺度长短期记忆网络的预测模型，用于对化工企业财务利润进行预测。利用训练集的数据，分别训练短期、中期和长期LSTM模型。训练完成后，将测试集作为输入，得到各尺度模型预测值，计算各模型综合误差，由综合误差动态调整模型的加权系数，根据各模型的加权系数对预测结果进行加权融合，得到化工企业综合利润的最终预测值。本发明可同时捕捉不同时间尺度的利润时序依赖关系，综合短期波动和长期趋势信息进行预测，提升预测的准确性和鲁棒性。