本发明公开了一种基于深度学习的时间序列相似度的计算方法、系统及介质，本发明基于深度学习的时间序列相似度的计算方法实施步骤包括：1)获取两个等长时间段的时间序列数据；2)将两个等长时间段的时间序列数据输入预先完成训练的基于深度学习的神经网络模型，得到两个等长时间段的时间序列数据之间的相似度。本发明综合了各种传统度量方法的优点，在时间序列相似度度量问题上比各个传统度量方法效果都好，可根据不同的需求以及不同的数据集，还可以去用同样的方法学习出适用于不同领域的数据相似度的度量方法，且针对不同问题不用再去考虑数据的内在特征而选择相似度计算方法。