基于深度学习的多元时间序列趋势预测方法和系统

本发明公开了基于深度学习的多元时间序列趋势预测方法，包括以下步骤：读取多元时间序列数据，捕获多元时间序列的局部特征，获取数据之间的相关性；捕获数据的长短期趋势；循环双阶注意力层获取数据的动态周期特性；将经过数据预处理的多元时间序列数据采用线性模型ARIMA进行处理、全连接处理，预测结果加和，判断是否达到训练次数；设置阈值，把得到的最优预测模型的预测结果数据与设置的阈值进行比较。本发明同时还提供了基于深度学习的多元时间序列趋势预测系统。本发明动态捕获数据的长短期依赖的周期性，提高对基于获取的多元时间序列对设备潜在风险预判准确度，提高了多元时间序列趋势预测的精确率。