本发明公开了一种基于深度受限玻尔兹曼机的时间序列预测方法，该时间序列预测方法包括训练过程和测试过程，其中，训练过程：重构网络结构，引入结构化遮蔽矩阵，对于每一层基于结构化递归时序的Spike?and?Slab玻尔兹曼机进行参数更新，下一层的训练以上一层隐单元作为输入；测试过程：在训练得到的模型下初始化各层，从最高层开始逐层预测，下一层隐单元的值由上层显单元决定，第一层显单元的值就是模型预测值。通过实验验证了本发明所提方法的有效性，实验结果表明该方法可以提高对动作序列数据的预测。