一种融合双线性层与双向归一化的时间序列预测方法

本发明公开了一种融合双线性层与双向归一化的时间序列预测方法，属于时间序列预测技术领域。本发明通过轻量级神经网络生成全局水平系数和波动幅度系数，对输入序列进行归一化处理，并构建包含双线性层和非线性激活函数的多层级特征提取模块；然后基于滑动窗口均值和目标序列均值构建加权约束条件，通过反归一化模块将预测结果映射至原始分布空间；混合损失函数设计与模型训练：结合预测误差损失与先验知识监督损失构建联合优化目标，采用自适应优化算法进行参数更新；通过动态加载最优模型实现预测，并基于均方误差、平均绝对误差、均方根误差和平均绝对百分比误差进行性能量化。