一种基于改进型双向长短期记忆网络与多维度注意力机制融合的时间序列预测方法

本发明提出一种基于改进型双向长短期记忆网络与多维度注意力机制融合的时间序列预测方法，包括：通过第一双向长短期记忆网络提取时间序列数据的双向特征表示；通过层归一化对双向特征表示进行归一化处理；使用层级注意力模块计算得到上下文向量；采用上下文门控模块通过拼接、门控层和加权和的方法生成最终特征表示，并通过输出层得到所述时间序列数据的预测结果；该方案通过层级注意力架构实现了时序数据中特征维度与时间维度的动态权重分配，结合自适应门控融合机制，有效解决了传统时序预测模型在处理高维数据在复杂场景时存在的特征选择不精准、长期依赖捕捉不足等技术难题。