简介： 本发明提出了一种基于生成对抗网络的时间序列生成方法，基于生成对抗网络思想，设计一种时间序列生成对抗网络，通过有限的时序数据生成大规模初始训练数据。这包括基于长短期记忆模型LSTM设计生成器以生成数据，其中使用LSTM来学习数据之间潜在的时间依赖关系，以用来生成具有符合数据分布的具有时间依赖关系的数据。基于可扩展假设检验设计特征鉴别器以对生成数据进行质量鉴别，鉴别器通过时间差分学习反馈生成器中间每步所生成数据概率的对应奖励值，基于LSTM的生成器由强化学习的策略梯度进行训练，其中，奖励值由鉴别器返回值提供，进而衡量衡量生成数据的可用性。