基于多任务学习的时间序列预测方法、装置、设备及介质

本发明实施例公开了一种基于多任务学习的时间序列预测方法、装置、设备及介质，涉及人工智能技术领域，能够以统一模型架构低成本、高精度地实现金融、保险及医疗等领域的多时间尺度预测任务，包括：采集时间序列数据，将所述时间序列数据转换为输入数据；通过所述特征提取模块基于所述输入数据确定特征数据；分别从所述特征数据中确定与各所述解码器的时间尺度对应的目标特征数据；分别通过各所述解码器基于对应的目标特征数据确定预测结果。本发明通过构建共享特征提取与多时间尺度解码器的协同架构，从根本上解决了传统方案中针对不同时间尺度需独立建模的高资源消耗问题，能够有效降低成本。