1.一种时序预测方法,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,所述收集并存储实时数据中,所述实时数据包括销售数据和用户行为数据,所述实时数据来自数据库或传感器。
3.根据权利要求1所述的方法,其特征在于,所述对存储的实时数据进行预处理和特征提取具体包括:对所述实时数据进行数据清洗、数据转换和填充缺失值操作,得到处理后的数据,并提取所述处理后的数据特征,得到实时数据特征值。
4.根据权利要求3所述的方法,其特征在于,所述对所述实时数据进行数据清洗、数据转换和填充缺失值操作具体为:
5.根据权利要求1所述的方法,其特征在于,所述定义lstm网络结构,并初始化lstm模型参数,定义损失函数,通过反向传播算法和优化方法更新lstm模型参数,将实时数据特征输入lstm模型并重复训练过程得到训练好的lstm模型,具体为:
6.根据权利要求1所述的方法,其特征在于,所述定义rnn网络结构,并初始化rnn模型参数,定义损失函数,通过反向传播算法和优化方法更新rnn模型参数,根据实时数据特征重复训练过程得到训练好的rnn模型,具体为:选择合适的rnn层数、隐藏层大小参数,并初始化模型的权重和偏置;
7.根据权利要求1所述的方法,其特征在于,所述根据对比结果调整优化模型参数,具体为:所述根据对比结果调整优化模型参数包括调整网络结构、调整超参数、增加训练数据量和应用正则化技术。
8.一种时序预测系统,其特征在于,包括: