用于长时间序列波动预测的神经网络模型训练方法、PM2.5含量的波动预测方法

本申请涉及深度学习技术领域，尤其涉及用于长时间序列波动预测的神经网络模型训练方法、PM2.5含量的波动预测方法，其中，神经网络模型训练方法包括：获取长时间序列数据；对所述长时间序列数据进行波动区间划分，得到波动序列数据；构建基础预测模型和波动预测模型；分别将所述长时间序列数据和所述波动序列数据输入所述基础预测模型和所述波动预测模型，得到长时间序列预测数据和波动序列预测数据；将所述长时间序列预测数据和所述波动序列预测数据进行融合，得到最终预测序列；计算所述最终预测序列和真实序列之间的预测误差，对所述长时间序列预测数据和所述波动序列预测数据的融合权重进行更新。本申请能够对长程时间序列大幅波动段进行定位，提升大幅波动区间的预测精度。