一种基于动态加权机制的深度学习预测方法

本发明公开了一种基于动态加权机制的深度学习预测方法，属于深度学习时间序列预测技术领域；结合灰色关联度分析和随机森林算法，从特征的相关性及其重要性两个维度进行深度挖掘，并综合这两方面的特征属性，计算特征的置信度；此外，还引入一种动态赋权机制，通过评估不同特征组的置信度，以及在预测过程中结合每个特征组在不同时间点的预测误差，动态地调整特征组预测权重；本发明不仅增强了模型对于特征差异性的理解和处理能力，而且还提高了预测的整体准确性和可信度。