一种基于深度学习的储备池时间序列预测方法及系统

本发明涉及时序预测领域，具体涉及一种基于深度学习的储备池时间序列预测方法及系统；预测模型包括：卷积神经网络，对输入的时间序列进行空间特征提取，得到数据特征；注意力机制，对所述数据特征分配时间权重，得到加权时间特征；回声状态网络对所述加权时间特征进行局部时间特征提取，得到时序信息，将时序信息输入至全连接层进行非线性映射，得到聚合特征；输出层根据所述聚合特征生成预测结果。本发明结合卷积神经网络、注意力机制与回声状态网络的协同架构，不但增强了高维数据的特征表征能力，而且解决了传统储备池模型对长距离依赖建模能力不足的缺陷，提升了预测精度与计算效率。