本发明提出一种基于双域归一化的交通流时间序列预测方法，通过同时在时间域和频率域内的归一化，动态捕捉交通流数据的分布变化，消除时间序列数据中的非平稳因素，然后利用分布预测模型进行预测，再进行去归一化过程，重构其非平稳信息，确保了预测结果能准确反映原始数据的非平稳性特征，从而保证了预测结果的可靠性与鲁棒性，显著提升了交通流时间序列预测的准确性和稳定性。具体而言，频率域归一化将时间序列分解为高频和低频成分，以捕捉快速变化和突变信息；时间域归一化则计算局部统计量，如均值和标准差，从而动态反映时间序列的快速变化。本发明方法显著提高了交通流预测性能，在交通流预测应用中展现出优越性。