基于多源数据融合与自适应残差的高精度预测方法

本发明公开了一种基于多源数据融合与自适应残差的高精度预测方法，涉及深度学习技术领域，包括以下步骤：收集大量的数据和相关因素数据，并进行基本数据预处理，高斯噪声注入增强小样本数据表达，同时利用多源异构数据融合技术整合多种类型数据；利用注意力机制和残差块结合的混合神经网络模型针对性进行数据特征工程处理；对多模型进行训练并耦合构建合适高精度预测的集成深度学习方法，对参数进行了微调以实现模型自适应多任务学习最优化；对高精度深度学习模型进行测试并输出，评估最终模型的性能；本发明采用多源异构数据融合技术，同时注意力增强残差网络架构可动态调整模型，实现模型预测的高精度和自适应多任务。