本发明涉及时间序列预测方法技术领域，具体涉及基于RAdam‑DA‑NLSTM时间序列预测方法，本发明通过种嵌套式LSTM神经网络，一个新的内部LSTM单元结构被采用作为LSTM的记忆细胞，使模型能够指导性的记忆遗忘和记忆选择，提高模型预测精度，然后构建基于双阶段注意力机制的自编码器网络，采用基于输入注意力机制的编码器和基于时间注意力机制的解码器选择时间序列的输入特征和隐藏状态特征，改善传统LSTM的注意分散缺陷问题，最后采用RAdam优化器求解目标函数，其能根据方差分散度，动态地选择Adam和SGD优化器，并构建整流器项，使得自适应动量得到充分表达，增强模型的稳定性，从而使得本方法具有更高的预测精度和稳定性。