基于语言引导和近端策略优化微调的用于多领域时序数据的预测方法

本发明公开了一种基于语言引导和近端策略优化微调的多领域时序数据预测方法，用到的深度学习模型包括一个基于Transformer结构的时间序列编码器，一个预训练的大语言模型和五个并列布置的线性层；该方法主要包括：对多领域时间序列数据进行预处理和归一化操作，将时间序列数据分为单通道输入并进行滑动窗口划分处理；设计结构化模板结合语言背景信息和时间序列输入大语言模型并进行预训练阶段，预训练的两个任务包括重构输入时间序列与预测未来时间序列；采用近端策略优化算法进行指定领域微调，最终构建预测模型。该方法创新性地融合大语言模型与强化学习技术，显著提升了模型在多领域时序数据中的预测准确性。