数据缺失场景下的时间序列预测方法、装置、介质及设备

本申请涉及人工智能技术领域，特别是涉及一种数据缺失场景下的时间序列预测方法、装置、介质及设备，通过缺失掩码信息表征缺失值的补全程度，通过时序预测模型对目标交通数据引入缺失掩码信息的特征，有效降低了由于数据缺失而导致的模型预测误差，通过多尺度卷积模型学习到不同尺度的特征与时序特征相结合，提高了预测的准确性，通过时空图卷积网络对缺失值重构，建立完整数据下的时空依赖关系，避免了数据不完整情况下错误时空依赖关系的构建，再将缺失重构交通数据应用于时序预测任务中，从而提高数据缺失场景下时间序列预测的准确性。