根据时序用电数据的独特性，采用的应用模型算法随之相应改进，采用一种基于后向传播算法的循环神经网络（Recurrent Neural Networks，RNN）改进模型并根据用电数据的时序特点分别对短期连续性、周期性、长期趋势性进行建模，同时对影响用户用电行为的外部因素进行分析，建立基于时序分解的 RNN 预测模型，从而对未来时段用电行为和轨迹记录进行分析和预测，提升预测的准确性和适应性。

循环神经网络（RNN）是一种节点能够定向连接成环的人工神经网络，可以使用其隐含层中的记忆信息对任意时序的输入信息进行处理，即利用先前已经发生的信息推断后续发展结果。和其他神经网络相比，循环神经网络包含了使得信息可以持久化的循环结构，它的本质特点是处理单元之间不仅有内部的反馈连接，还有前馈连接。从系统角度看，它是一个循环动态系统，其主要形式是该结构有个循环结构会保留前一次循环的输出结果并作为下一次循环输入的一部分输入，在整个计算过程中表现出动态特性，且拥有强大的计算能力。

能管平台时序模型构建方法，是基于在通过时序分解，得到不同时间尺度上的用电量预测，选择真实智能电表所记录的数据为对象，统计分析单个维度用电消耗记录数据中有关时序变化特点和规律，并据此设计出具有针对性的建模方案。