一种基于深度学习的大模型需求预测方法及系统

本发明涉及深度学习技术领域，公开了一种基于深度学习的大模型需求预测方法及系统。该方法包括：根据物联网设备的数据完整性指标和传输稳定性指标筛选出满足可靠性阈值的可信节点集合；利用可信节点集合的地理坐标矩阵和通信延迟矩阵构建去中心化网络，并在可信节点集合的原始数据中添加噪声，生成加噪训练数据；在去中心化网络中使用加噪训练数据对第一时空融合神经网络模型进行联邦学习，得到第二时空融合神经网络模型；将实时数据输入第二时空融合神经网络模型进行特征计算和需求波动分析，生成需求预测结果。本发明能够同时捕获空间关联和时序依赖特征，显著提升了复杂时空模式的建模能力，提高了预测结果的实用性和可信度。