正如您已经猜到的那样，Z-score 归一化不能很好地处理非平稳时间序列，因为时间序列的均值和标准差随时间而变化。

Min-max 和静态数据中另一种常用的归一化，十进制标度归一化取决于知道时间序列的最大值。

非平稳时间序列数据标准化最常用的方法是滑动窗口方法（J. Lin 和 E. Keogh，2004，Finding or not found rules in time series）。简而言之：

这种方法的基本思想是，它不考虑完整的时间序列进行归一化，而是将数据划分为长度为 ω 的滑动窗口，从中提取统计特性，只考虑 ω 连续时间序列值的一小部分（H. Li 和S. Lee，2009，使用有效的窗口滑动技术挖掘数据流上的频繁项集，Expert Syst. Appl.，v. 36，n. 2，p. 1466-1477。JC Hull，2005），并规范化每个窗口，仅考虑这些统计属性。这种方法背后的基本原理是决策通常基于最近的数据。(...) 滑动窗口技术具有始终在所需范围内归一化数据的优点。但是，它有一个缺点，即假设时间序列波动率是均匀的，这在许多现象中是不正确的

另一个更高级且使用较少的（到目前为止）是自适应归一化

可以分为三个阶段：（i）将非平稳时间序列转换为平稳序列，从而创建一系列不相交的滑动窗口（不重叠）；(ii) 异常值去除；(iii) 数据标准化本身。

检查自适应规范化及其所有参考的链接，那里有相关信息。