门控循环单元深度学习算法的平台试仓大数据分析方法

本发明涉及大数据处理技术领域，揭露了一种门控循环单元深度学习算法的平台试仓大数据分析方法，包括：定义多源异构数据的事件时间和水位线，以对多源异构数据进行延迟处理，得到处理多源异构数据，将处理多源异构数据转化为三维张量结构；对三维张量结构执行多级分解，以提取平台试仓的时频域能量熵特征；计算时频域能量熵特征的特征空间可分性，并依据特征空间可分性对时频域能量熵特征进行重建，得到重建特征；建立平台试仓的混合维度GRU模型，结合重建特征，利用混合维度GRU模型输出平台试仓的长期状态特征和瞬时波动特征，并通过预设的动态路由胶囊网络，输出平台试仓的波动形态。本发明可以提高平台试仓数据深度挖掘和精细化洞察的效果。