時系列データをニューラルネットワークを用いて予測する際、前処理として正規化や標準化がよく用いられる。一般的に、トレーニングデータの値を用いて、全体を正規化することが多い。しかし、短期間での変動が重要な意味を持つデータであったり、増減など相対的な変動を予測する場合、正規化によってその特徴が隠れてしまう可能性がある。本研究では、時系列データの次のステップでの増減予測を対象に、入力データ毎、又はバッチ毎というように短期間ごとに正規化を行い、短期的な変動を強調するための正規化の有効性を考察する。実験を行った結果、短期的な正規化を行った場合に高い予測精度が得られた。