專利名稱：：消費數(shù)據(jù)序列趨勢信息獲取方法及系統(tǒng)的制作方法
技術(shù)領(lǐng)域：
：本發(fā)明涉及數(shù)據(jù)挖掘應(yīng)用領(lǐng)域，尤其是一種在海量消費數(shù)據(jù)中獲取消費趨勢信息的方法及其系統(tǒng)。
背景技術(shù)：
：隨著通訊行業(yè)的竟爭不斷加劇，通信網(wǎng)絡(luò)運營企業(yè)越來越多地以客戶為導(dǎo)向來開展營銷活動，客戶的消費行為成為了各個通信網(wǎng)絡(luò)運營企業(yè)的重點關(guān)注內(nèi)容，而客戶消費走勢是客戶消費行為變動情況的重要體現(xiàn)，因此準確識別客戶的消費趨勢對企業(yè)的客戶關(guān)系管理及營銷活動非常重要。例如，如果識別出客戶的消費額有下降的趨勢，那么企業(yè)就可以及時去了解下降的原因，然后采取有效的應(yīng)對措施，以避免客戶的流失，從而減少企業(yè)的收入損失。然而，當客戶數(shù)量非常大時，實現(xiàn)客戶消費趨勢的準確高效的識別往往非常困難。現(xiàn)有的客戶消費趨勢判別方案(例如Mann-Kendall趨勢判別法、環(huán)比法和同比法)遇到以下的一個或幾個問題第一，部分客戶的消費變動具有明顯的周期性，部分則沒有。如果把客戶周期性的消費低谷期判別為下降走勢，則會產(chǎn)生誤判；對沒有周期性的客戶使用同比法等方法亦缺乏可比性?，F(xiàn)有的客戶消費趨勢判別方案未能將有周期性的客戶和無周期性的客戶區(qū)別對待，因此受到了客戶消費變動周期性對趨勢判別準確度的不利影響；第二，歷史數(shù)據(jù)的時間點離當前時刻的遠近不同，其信息含量并不相等，時間點越近信息量就越大，但現(xiàn)有的客戶消費趨勢判別方案將每個數(shù)據(jù)點的數(shù)據(jù)重要性視為等同，這客觀上影響了判斷精度；第三，在判斷客戶消費趨勢時，現(xiàn)有的客戶消費趨勢判別方案釆用人工判斷，不僅效率低下，而且會受分析人員的主觀因素影響，難以保證預(yù)測結(jié)果的準確性、高效性和客觀性。
發(fā)明內(nèi)容本發(fā)明的目的是提出一種消費數(shù)據(jù)序列趨勢信息獲取方法及系統(tǒng)，能夠從海量消費數(shù)據(jù)中實現(xiàn)對客戶消費趨勢的準確判斷。為實現(xiàn)上述目的，本發(fā)明提供了一種消費數(shù)據(jù)序列趨勢信息獲取方法，包括以下步驟對符合周期性判別前提條件的消費數(shù)據(jù)序列進行周期性判斷，如果判斷所述消費數(shù)據(jù)序列具有周期，則在去除周期性因素的影響下對所述消費數(shù)據(jù)序列進行長期趨勢判別和/或短期趨勢判別，獲得所述消費數(shù)據(jù)序列的趨勢信息。上述技術(shù)方案對判斷出有周期的消費數(shù)據(jù)序列進行趨勢判別時，先去除周期性因素的影響，從而克服了現(xiàn)有趨勢判別方法不考慮消費數(shù)據(jù)序列的周期性影響而造成的預(yù)測準確度不高的缺陷。進一步的，如果判斷所述消費數(shù)據(jù)序列不具有周期，則直接對所述消費數(shù)據(jù)序列進行長期趨勢判別和/或短期趨勢判別。進一步的，在對消費數(shù)據(jù)序列進行周期性判斷之前，還包括對所述消費數(shù)據(jù)序列是否符合周期性判別前提條件進行判斷的操作，該操作具體為判斷所述消費數(shù)據(jù)序列的長度是否大于預(yù)設(shè)長度，是則確定符合周期性判別前提條件，否則確定不符合周期性判別前提條件。進一步的，所述判斷消費數(shù)據(jù)序列的長度是否大于預(yù)設(shè)長度的操作具體為判斷所述消費數(shù)據(jù)序列的長度是否大于nx2，n為預(yù)估周期長度(例如，電信客戶的消費周期一般為12個月，則ii-12)。進一步的，所述對符合周期性判別前提條件的消費數(shù)據(jù)序列進行周期性判斷的操作具體包括將長度為nx2的消費數(shù)據(jù)序列分為長度為n的前子序列和后子序列；分別計算獲得所述前子序列和后子序列的各個數(shù)據(jù)的排名值)和+f)，其中;c:表示所述前子序列中第i個數(shù)據(jù)，W表示所述后子序列中第i個數(shù)據(jù)；分別計算獲得所述前子序列和后子序列的各個數(shù)據(jù)的局部信息值,(;c;)和+,2)，計算公式如下根據(jù)所述排名值+;)和+,2)，以及局部信息值+,')和42)，計算荻得所述消費數(shù)據(jù)序列的周期性參數(shù)oc，計算公式如下比較所述周期性參數(shù)是否符合預(yù)定闊值，如果符合，則判斷所述消費數(shù)據(jù)序列具有周期性。進一步的，所述在去除周期性因素的影響下對所述消費數(shù)據(jù)序列進行長期趨勢判別的操作具體包括采用極差正規(guī)化方法將長度為nx2的所述消費數(shù)據(jù)序列的數(shù)據(jù)變換到[O，1區(qū)間，n為預(yù)設(shè)的周期長度；根據(jù)變換后的所述消費數(shù)據(jù)序列，采用Mann-Kendall檢驗方法計算獲得趨勢檢驗值；根據(jù)變換后的所述消費數(shù)據(jù)序列，采用Sen斜率估計方法計算獲得趨勢強度值；根據(jù)預(yù)設(shè)的置信度閾值對所述趨勢檢驗值和趨勢強度值進行判斷，獲得所述消費數(shù)據(jù)序列的長期趨勢估計。進一步的，所述直接對所述消費數(shù)據(jù)序列進行長期趨勢判別的操作具體包括采用極差正規(guī)化方法將長度為n的所述消費數(shù)據(jù)序列的數(shù)據(jù)變換到0，1區(qū)間；根據(jù)變換后的所述消費數(shù)據(jù)序列，采用Mann-Kendall檢驗方法計算獲得趨勢檢驗值；根據(jù)變換后的所述消費數(shù)據(jù)序列，采用Sen斜率估計方法計算獲i，c<《,0.5,!、l;;c;>^-0.5,/=l;;c;<;c;0.5,/>d—0-5，0,其他1'x,2_,<x,2<x,2-l,A>《>0.5,/:U;x:'2>-0.5,/=1;;^<《0.5,/=;《>《.-0.5,!'=m;《<x，.0,其他得趨勢強度值；根據(jù)預(yù)設(shè)的置信度閾值對所述趨勢檢驗值和趨勢強度值進行判斷，獲得所述消費數(shù)據(jù)序列的長期趨勢估計。進一步的，所述在去除周期性因素的影響下對所述消費數(shù)據(jù)序列進行短期趨勢判別的操作具體包括對最近的長度為n/2的所述消費數(shù)據(jù)序列與上一期相應(yīng)的長度為n/2的消費數(shù)據(jù)進行同比，得到新的長度為n/2的同比數(shù)據(jù)序列，在此同比數(shù)據(jù)序列上進行環(huán)比，獲得所述消費數(shù)據(jù)序列的消費波動；對所述消費數(shù)據(jù)序列最近的數(shù)據(jù)進行Dixsoii異常值檢驗，獲得所述消費數(shù)據(jù)序列最近的數(shù)據(jù)的異常指數(shù)；當異常指數(shù)表示異常時，在異常指數(shù)低于預(yù)設(shè)的異常低閾值時，確定短期趨勢為下降；在異常指數(shù)高于預(yù)設(shè)的異常高閾值時，確定短期趨勢為上升；當異常指數(shù)表示正常時，根據(jù)所述消費數(shù)據(jù)序列的消費波動獲得短期趨勢估計。進一步的，所述直接對所述消費數(shù)據(jù)序列進行短期趨勢判別的操作具體包括對最近的長度為n/2的所述消費數(shù)據(jù)序列進行環(huán)比，獲得所述消費數(shù)據(jù)序列的消費波動；對所述消費數(shù)據(jù)序列最近的數(shù)據(jù)進行Dixsoii異常值檢驗，獲得所述消費數(shù)據(jù)序列最近的數(shù)據(jù)的異常指數(shù)；當異常指數(shù)表示異常時，在異常指數(shù)低于預(yù)設(shè)的異常低閾值時，確定短期趨勢為下降；在異常指數(shù)高于預(yù)設(shè)的異常高閾值時，確定短期趨勢為上升；當異常指數(shù)表示正常時，根據(jù)所述消費數(shù)據(jù)序列的消費波動獲得短期趨勢估計。進一步的，在對消費數(shù)據(jù)序列進行長期趨勢判別之后，還包括預(yù)測長期趨勢的起始點的操作，具體為采用Mann-Kendall趨勢檢驗方法提取所述消費數(shù)據(jù)序列的趨勢統(tǒng)計量序列；采用Mann-Kendall趨勢檢驗方法提取所述消費數(shù)據(jù)序列的反向序列的趨勢統(tǒng)計量序列；比較上述兩條統(tǒng)計量序列，在預(yù)設(shè)的置信區(qū)間內(nèi)獲得兩條統(tǒng)計量序列的交叉點作為所述長期趨勢的起始點。為實現(xiàn)上述目的，本發(fā)明還提供了一種消費數(shù)據(jù)序列趨勢信息獲取系統(tǒng)，其特征在于，包括周期性判斷模塊，用于對符合周期性判別前提條件的消費數(shù)據(jù)序列進行周期性判斷；第一長期趨勢判別模塊，用于在判斷所述消費數(shù)據(jù)序列具有周期時，在去除周期性因素的影響下對所述消費數(shù)據(jù)序列進行長期趨勢判別，獲得所述消費數(shù)據(jù)序列的長期趨勢信息；第一短期趨勢判別模塊，用于在判斷所述消費數(shù)據(jù)序列具有周期時，在去除周期性因素的影響下對所述消費數(shù)據(jù)序列進行短期趨勢判別，獲得所述消費數(shù)據(jù)序列的短期趨勢信息。在上述技術(shù)方案中，該系統(tǒng)還可以包括笫二長期趨勢判別模塊，用于在判斷所述消費數(shù)據(jù)序列不具有周期時，直接對所述消費數(shù)據(jù)序列進行長期趨勢判別，獲得所述消費數(shù)據(jù)序列的長期趨勢信息；第二短期趨勢判別模塊，用于在判斷所述消費數(shù)據(jù)序列不具有周期時，直接對所述消費數(shù)據(jù)序列進行短期趨勢判別，獲得所述消費數(shù)據(jù)序列的短期趨勢信息。進一步的，該系統(tǒng)還可以包括周期性條件判別模塊，用于判斷所述消費數(shù)據(jù)序列的長度是否大于預(yù)設(shè)長度，是則確定符合周期性判別前提條件，否則確定不符合周期性判別前提條件。進一步的，所述預(yù)設(shè)長度為nx2，n為預(yù)設(shè)的周期長度。進一步的，所述周期性判斷模塊具體包括序列分段單元，用于將長度為nx2的消費數(shù)據(jù)序列分為長度為n的前子序列和后子序列；排名計算單元，用于分別計算獲得所述前子序列和后子序列的各個數(shù)據(jù)的排名值+:)和+,2)，其中x;表示所述前子序列中第i個數(shù)據(jù)，W表示所述后子序列中第i個數(shù)據(jù)；局部信息計算單元，用于分別計算獲得所述前子序列和后子序列的各個數(shù)據(jù)的局部信息值+;)和+,2);周期性參數(shù)計算單元，用于根據(jù)所述排名值+;)和+,2)，以及局部信息值^)和,W),計算獲得所述消費數(shù)據(jù)序列的周期性參數(shù)a，計算公式如下)|+力I*,1)-/"2)|;/=，,i周期性參數(shù)比較單元，用于比較所述周期性參數(shù)是否符合預(yù)定閾值，如果符合，則判斷所述消費數(shù)據(jù)序列具有周期。進一步的，所述第一長期趨勢判別模塊具體包括第一數(shù)據(jù)變換單元，用于采用極差正規(guī)化方法將長度為nx2的所述消費數(shù)據(jù)序列的數(shù)據(jù)變換到[O，1區(qū)間，n為預(yù)設(shè)的周期長度；趨勢檢驗值計算單元，用于根據(jù)變換后的所述消費數(shù)據(jù)序列，采用Mann-Kendall檢驗方法計算獲得趨勢檢驗值；趨勢強度值計算單元，用于根據(jù)變換后的所述消費數(shù)據(jù)序列，釆用Sen斜率估計方法計算獲得趨勢強度值；長期趨勢估計單元，用于根據(jù)預(yù)設(shè)的置信度閾值對所述趨勢檢驗值和趨勢強度值進行判斷，獲得所述消費數(shù)據(jù)序列的長期趨勢估計。進一步的，所述第二長期趨勢判別模塊具體包括第二數(shù)據(jù)變換單元，用于釆用極差正規(guī)化方法將長度為n的所述消費數(shù)據(jù)序列的數(shù)據(jù)變換到[O,ll區(qū)間，n為預(yù)設(shè)的周期長度；趨勢檢驗值計算單元，用于根據(jù)變換后的所述消費數(shù)據(jù)序列，釆用Mann-Kendall檢驗方法計算獲得趨勢檢驗值；趨勢強度值計算單元，用于根據(jù)變換后的所述消費數(shù)據(jù)序列，采用Sen斜率估計方法計算獲得趨勢強度值；長期趨勢估計單元，用于根據(jù)預(yù)設(shè)的置信度閾值對所述趨勢檢驗值和趨勢強度值進行判斷，獲得所述消費數(shù)據(jù)序列的長期趨勢估計。進一步的，所述第一短期趨勢判別模塊具體包括第一環(huán)比單元，對最近的長度為n/2的所述消費數(shù)據(jù)序列與上一期相應(yīng)的長度為n/2的消費數(shù)據(jù)進行同比，得到新的長度為n/2的同比數(shù)據(jù)序列，在此同比數(shù)據(jù)序列上進行環(huán)比，獲得所述消費數(shù)據(jù)序列的消費波動；異常值檢驗單元，用于對所述消費數(shù)據(jù)序列最近的數(shù)據(jù)進行Dixson異常值檢驗，獲得所述消費數(shù)據(jù)序列最近的數(shù)據(jù)的異常指數(shù)；短期趨勢估計單元，用于當異常指數(shù)表示異常時，在異常指數(shù)低于預(yù)設(shè)的異常低閾值時，確定短期趨勢為下降；在異常指數(shù)高于預(yù)設(shè)的異常高閾值時，確定短期趨勢為上升；當異常指數(shù)表示正常時，根據(jù)所述消費數(shù)據(jù)序列的消費波動獲得短期趨勢估計。進一步的，所述第二短期趨勢判別模塊具體包括第二環(huán)比單元，用于對最近的長度為n/2的所述消費數(shù)據(jù)序列進行環(huán)比，獲得所述消費數(shù)據(jù)序列的消費波動；異常值檢驗單元，用于對所述消費數(shù)據(jù)序列最近的數(shù)據(jù)進行Dixson異常值檢驗，獲得所述消費數(shù)據(jù)序列最近的數(shù)據(jù)的異常指數(shù)；短期趨勢估計單元，用于當異常指數(shù)表示異常時，在異常指數(shù)低于預(yù)設(shè)的異常低閾值時，確定短期趨勢為下降；在異常指數(shù)高于預(yù)設(shè)的異常高閾值時，確定短期趨勢為上升；當異常指數(shù)表示正常時，根據(jù)所述消費數(shù)據(jù)序列的消費波動獲得短期趨勢估計。進一步的，還包括趨勢起始點預(yù)測模塊，該模塊具體包括第一趨勢統(tǒng)計量序列獲得單元，用于采用Mann-Kendall趨勢檢驗方法提取所述消費數(shù)據(jù)序列的趨勢統(tǒng)計量序列；第二趨勢統(tǒng)計量序列獲得單元，采用Mann-Kendall趨勢檢驗方法提取所述消費數(shù)據(jù)序列的反向序列的趨勢統(tǒng)計量序列；趨勢起始點比較單元，用于比較上述兩條統(tǒng)計量序列，在預(yù)設(shè)的置信區(qū)間內(nèi)獲得兩條統(tǒng)計量序列的交叉點作為所述長期趨勢的起始點。基于上述技術(shù)方案，本發(fā)明對海量數(shù)據(jù)的周期性進行判別，如果是有周期性的數(shù)據(jù)序列，在預(yù)測趨勢時排除掉周期性的影響，從而消除周期性對預(yù)測結(jié)果的影響。通過長期趨勢、短期趨勢、最近期異常情況的信息組合，兼顧了近期趨勢信息的重要性和歷史信息輔助作用，這符合時間點越近信息量就越大的實際情況。此處所說明的附圖用來提供對本發(fā)明的進一步理解，構(gòu)成本申請的一部分，本發(fā)明的示意性實施例及其說明用于解釋本發(fā)明，并不構(gòu)成對本發(fā)明的不當限定。在附圖中圖l為本發(fā)明消費數(shù)據(jù)序列趨勢信息獲取方法的第一實施例的流程示意圖。圖2為本發(fā)明消費數(shù)據(jù)序列趨勢信息獲取方法的第二實施例的流程示意圖。圖3為本發(fā)明消費數(shù)據(jù)序列趨勢信息獲取系統(tǒng)的第一實施例的結(jié)構(gòu)示意圖。圖4為本發(fā)明消費數(shù)據(jù)序列趨勢信息獲取系統(tǒng)的第二實施例的結(jié)構(gòu)示意圖。圖5為本發(fā)明消費數(shù)據(jù)序列趨勢信息獲取系統(tǒng)的第三實施例的結(jié)構(gòu)示意圖。圖6為本發(fā)明消費數(shù)據(jù)序列趨勢信息獲取系統(tǒng)的第四實施例的結(jié)構(gòu)示意圖。圖7為本發(fā)明消費數(shù)據(jù)序列趨勢信息獲取系統(tǒng)的第五實施例的結(jié)構(gòu)示意圖。具體實施方式下面通過附圖和實施例，對本發(fā)明的技術(shù)方案做進一步的詳細描述。本發(fā)明在根據(jù)消費數(shù)據(jù)預(yù)測趨勢時，先對消費數(shù)據(jù)進行周期性判斷，如果判斷出具有周期，則在預(yù)測過程中去掉周期性因素的影響，避免了周期性因素對趨勢判別的準確度的不良影響。如圖l所示，本發(fā)明消費數(shù)據(jù)序列趨勢信息獲取方法的一實施例的流程示意圖。本實施例包括以下步驟步驟101、對符合周期性判別前提條件的消費數(shù)據(jù)序列進行周期性判斷，如果判斷所述消費數(shù)據(jù)序列具有周期，則執(zhí)行步驟102，否則執(zhí)行步驟103;步驟102、在去除周期性因素的影響下對所述消費數(shù)據(jù)序列進行長期趨勢判別和/或短期趨勢判別，獲得所述消費數(shù)據(jù)序列的趨勢信息；步驟103、直接對所述消費數(shù)據(jù)序列進行長期趨勢判別和/或短期趨勢判別，獲得所述消費數(shù)據(jù)序列的趨勢信息。對比于現(xiàn)有的趨勢判別方法來說，本發(fā)明增加了步驟101對周期性的判斷，以及步驟102在去除周期性影響下對具有周期的消費數(shù)據(jù)序列進行趨勢判別，從而克服周期性對趨勢判別準確度的影響。如圖2所示，為本發(fā)明消費數(shù)據(jù)序列趨勢信息獲取方法的另一實施例的流程示意圖，與上一實施例相比，本實施例在步驟101之前增加了步驟100，對所述消費數(shù)據(jù)序列是否符合周期性判別前提條件進行判斷，具體來說通過判斷所述消費數(shù)據(jù)序列的長度是否大于預(yù)設(shè)長度，來確定是否符合周期性判別前提條件，大于則確定符合，否則確定不符合。對于符合周期性判別前提條件的消費數(shù)據(jù)序列，則可以應(yīng)用步驟IOI的周期性判斷，而對于不符合周期性判別前提條件的消費數(shù)據(jù)序列，則可直接結(jié)束本流程。上述預(yù)設(shè)長度通常與預(yù)估的周期相關(guān)，例如對于電信客戶，消費周期一般為12個月，因此預(yù)設(shè)長度為12x2。通過步驟100先判斷消費數(shù)據(jù)序列是否大于24,即是否包括了24個月以上的消費數(shù)據(jù)，在滿足周期性判別前提條件下，進行周期性判斷，具體操作包括將長度為nx2的消費數(shù)據(jù)序列按順序分為等長的前子序列和后子序列，長度均為n;分別計算獲得前子序列^，…，;^和后子序列(x,2,…,x^的各個月的數(shù)據(jù)的排名值+;)和小,2)，即^*##在雀體上從大到小的排名，其中x;表示所述前子序列中第i個數(shù)據(jù)，;c,2表示所述后子序列中第i個數(shù)據(jù)；分別計算獲得前子序列[;,…，x，'」和后子序列W,…,^"的各個數(shù)據(jù)的局部信息值)和,(x,2)，計算公式如下根據(jù)排名值+;)和+,2)，以及局部信息值+;)和+,2)，計算獲得消費數(shù)據(jù)序列的周期性參數(shù)a，計算公式如下比較所述周期性參數(shù)是否符合預(yù)定閾值，如果符合，則判斷所述消費數(shù)據(jù)序列具有周期。以24個月的消費數(shù)據(jù)為例，將整個數(shù)據(jù)序列分為前子序列fx,',…,4l和后子序列k，…,x,2」，然后分別計算獲得前子序列k,…,;c，'」和后子序列k,…,x^的各個月的數(shù)據(jù)在12個月內(nèi)的排名值+;)和+"，即指在數(shù)據(jù)在整體上從大到小的排名；再分別計算獲得前子序列i和后子序列}的各個數(shù)據(jù)的局部信息值+;)和+,2);最后根據(jù)排名值+;)和+,2)，以及局部信息值+;)和+,2)，計算獲得消費數(shù)據(jù)序列的周期性參數(shù)a，計算公式變換為在長期趨勢判別時，可以采用Mann-Kendall趨勢檢驗方法對消費數(shù)據(jù)序列進行趨勢穩(wěn)健性的判別，在通過Sen斜率估計實現(xiàn)對趨勢變化幅度的量化，對于有周期性的消費數(shù)據(jù)序列需要去除周期性因素的影響。對于有周期性的消費數(shù)據(jù)序列，選擇nx2的數(shù)據(jù)長度進行趨勢判別可以去除周期性因素的影響，具體的長期趨勢判別步驟包括采用極差正規(guī)化方法將長度為nx2的所述消費數(shù)據(jù)序列(舉例選取長度為24的最近24個月的消費數(shù)據(jù))的數(shù)據(jù)變換到0，ll區(qū)間，n為預(yù)設(shè)的周期長度，以消除不同客戶間量綱的差異；根據(jù)變換后的所述消費數(shù)據(jù)序列，采用Mann-Kendall檢驗方法計算獲得趨勢檢驗值，用于判別趨勢穩(wěn)健性；根據(jù)變換后的所述消費數(shù)據(jù)序列，采用Sen斜率估計方法計算獲得趨勢強度值，用于實現(xiàn)對趨勢變化幅度的量化；根據(jù)預(yù)設(shè)的置信度閾值對所述趨勢檢驗值和趨勢強度值進行判斷，獲得所述消費數(shù)據(jù)序列的長期趨勢估計。這里對Mann-Kendall趨勢檢驗方法進行說明，設(shè)序列斗A，…，&，每當出現(xiàn)勺"力'》'"'-L2，…，M-O時定義為A的一個逆序。對于下標^的已知值、其逆序數(shù)定義為與A相應(yīng)的逆序的個數(shù)4。逆序總數(shù)為^,可以證明，以隨機整數(shù)序列出現(xiàn)的^的平均值為￡[J]-M(M-1)/4,出現(xiàn)j的方差為^M-^(2M2+3M-5)/72，當統(tǒng)計量^="+1/2-^M]W^I可時，它漸進服從正態(tài)分布w(0，1)。如果^值是處于±2之內(nèi)，可接受"序列無趨勢"的假設(shè)；否則拒絕假設(shè)(例如在0.05顯著水平上)。顯然J很大，表明序列均值(或方差)有上升的趨勢；而-M艮小，則表明序列的均值(或方差)有下降的趨勢。運用Mann-Kendall檢驗可判斷序列趨勢的升、降，但其自身無法給定趨勢的大小，Hirsch等人在提出Mann-Kendall檢驗的同時，根據(jù)Sen斜率估計公式，提出了Sen估計的推廣形式--Kendall斜率估計，對趨勢的大小給出了定量的指標。這是線性無偏趨勢估計。對于高度偏倚的序列資料，肯達爾檢驗估計值的精度遠高于回歸估計值；對于序列資料正態(tài)分布的情況，它的精度略低于回歸估計。故一旦確定有序列趨勢，利用Hirsch等給出估計趨勢大小〃(斜率)的方法式中"為正值表示序列呈上升趨勢，負值表示為序列下降趨勢。對于沒有周期性的消費數(shù)據(jù)序列，與上述長期趨勢判別方法不同的步驟在于在選擇的消費數(shù)據(jù)的數(shù)據(jù)長度為預(yù)估的周期長度(例如長度為12的最近12個月的消費數(shù)據(jù))。也就是說對于具有周期的消費數(shù)據(jù)序列采信24個月的數(shù)據(jù)，以克服周期性因素帶來的影響，而對于無周期的消費數(shù)據(jù)序列，可以采信12個月的數(shù)據(jù)。在進行短期趨勢判別時，對于有周期性的消費數(shù)據(jù)序列，先將最近的長度為n/2個月的所述消費數(shù)據(jù)序列(例如釆用長度為12的最近6個月的消費數(shù)據(jù)序列)與上一期對應(yīng)的n/2個月的消費數(shù)據(jù)進行同比，得到新的長度n/2的同比數(shù)據(jù)序列，并以此同比數(shù)據(jù)序列進行環(huán)比，獲得所述消費數(shù)據(jù)序列的消費波動，其中波動的閾值可預(yù)先設(shè)定，例如20%;對所述消費數(shù)據(jù)序列最近的一個月的數(shù)據(jù)進行Dixson異常值檢驗，獲得所述消費數(shù)據(jù)序列最近的數(shù)據(jù)的異常指數(shù)；當異常指數(shù)表示異常時，在異常指數(shù)低于預(yù)設(shè)的異常低閾值時，確定短期趨勢為下降；在異常指數(shù)高于預(yù)設(shè)的異常高閾值(例如異常指數(shù)大于90%)時，確定短期趨勢為上升；當異常指數(shù)表示正常時，根據(jù)所述消費數(shù)據(jù)序列的消費波動獲得短期趨勢估計。這里介紹一下Dixson異常值檢驗，設(shè)樣本為斗斗…J"，其順序統(tǒng)計量為V'""'"'"'。這里設(shè)、"為最小值，、"為最大值，當順序統(tǒng)計量'《("服從正態(tài)分布時，Dixon給出了不同樣本數(shù)量"時統(tǒng)計量"的計算公式，如下表所示<table>tableseeoriginaldocumentpage20</column></row><table>當顯著水平"為0.05或0.01時，Dixon給出了其臨界值"'-"(">。如果某樣本的統(tǒng)計量則、")為異常值，如果某樣本的統(tǒng)計量則訕為異常值，否則為正常值。對于無周期的消費數(shù)據(jù)序列來說，短期趨勢判別采信最近6個月的消費數(shù)據(jù)，對最近的長度為6個月的所述消費數(shù)據(jù)序列進行環(huán)比，獲得所述消費數(shù)據(jù)序列的消費波動，然后對所述消費數(shù)據(jù)序列最近的一個月的數(shù)據(jù)進行Dixson異常值檢驗，獲得所述消費數(shù)據(jù)序列最近的數(shù)據(jù)的異常指數(shù)；當異常指數(shù)表示異常時，在異常指數(shù)低于預(yù)設(shè)的異常低閾值時，確定短期趨勢為下降；在異常指數(shù)高于預(yù)設(shè)的異常高閾值(例如異常指數(shù)大于90。/。)時，確定短期趨勢為上升；當異常指數(shù)表示正常時，根據(jù)所述消費數(shù)據(jù)序列的消費波動獲得短期趨勢估計。在對消費數(shù)據(jù)序列進行長期趨勢判別之后，還可以采用Maim-Kendall突變點檢測方法，檢測均值突變的點，以確定長期趨勢的起始時刻，具體為采用Mann-Kendall趨勢檢驗方法提取所述消費數(shù)據(jù)序列的趨勢統(tǒng)計量序列；采用Mann-Kendall趨勢檢驗方法提取所述消費數(shù)據(jù)序列的反向序列的趨勢統(tǒng)計量序列；比較上述兩條統(tǒng)計量序列，在預(yù)設(shè)的置信區(qū)間內(nèi)獲得兩條統(tǒng)計量序列的交叉點作為所述長期趨勢的起始點。其中這里對Mann-Kendall突變點檢測方法進行說明設(shè)序列W、、，'",表示、大于"("^')的累計數(shù)，定義統(tǒng)計量^'，可以證明，以隨機整數(shù)序列出現(xiàn)的《的平均值為￡[《]"("1)/4，出現(xiàn)《的方差為^K卜屮"3"5)/12，計算統(tǒng)計量//(《)=(《-￡(《))/*""[《],所有A(《)(B"^0將組成一條曲線c,，即所述消費數(shù)據(jù)序列的趨勢統(tǒng)計量序歹丄。把此方法引用到反序列中丄^表示x'大于、(""^W的累計數(shù)，當"7V+1-/時，如果^=/",,則^(《)=-W《)，所有^(《)(Bh^)將組成一條曲線C2，即所述消費數(shù)據(jù)序列的反向序列的趨勢統(tǒng)計量序列。當曲線c'超過預(yù)設(shè)的置信區(qū)間(事先給定的閾值)，即表示存在明顯的變化趨勢時，如果曲線A和C2的交叉點位于預(yù)設(shè)的置信區(qū)間，則該點便是長期趨勢的起始點。長期趨勢的起始點預(yù)測可以為消費數(shù)據(jù)序列趨勢判別提供補充信息，為營銷決策提供支持。本領(lǐng)域普通技術(shù)人員可以理解實現(xiàn)上述方法實施例的全部或部分步驟可以通過程序指令相關(guān)的硬件來完成，前述的程序可以存儲于一計算機可讀取存儲介質(zhì)中，該程序在執(zhí)行時，執(zhí)行包括上述方法實施例的步驟；而前述的存儲介質(zhì)包括ROM、RAM、磁碟或者光盤等各種可以存儲程序代碼的介質(zhì)。如圖3所示，為本發(fā)明消費數(shù)據(jù)序列趨勢信息獲取系統(tǒng)的第一實施例的結(jié)構(gòu)示意圖。本實施例中的系統(tǒng)包括周期性判斷模塊1、第一長期趨勢判別模塊2和第一短期趨勢判別模塊3。其中周期性判斷模塊1用于對符合周期性判別前提條件的消費數(shù)據(jù)序列進行周期性判斷。第一長期趨勢判別模塊2用于在判斷所述消費數(shù)據(jù)序列具有周期時，在去除周期性因素的影響下對所述消費數(shù)據(jù)序列進行長期趨勢判別，獲得所述消費數(shù)據(jù)序列的長期趨勢信息。第一短期趨勢判別模塊3用于在判斷所述消費數(shù)據(jù)序列具有周期時，在去除周期性因素的影響下對所述消費數(shù)據(jù)序列進行短期趨勢判別，獲得所述消費數(shù)據(jù)序列的短期趨勢信息。如圖4所示，為本發(fā)明消費數(shù)據(jù)序列趨勢信息獲取系統(tǒng)的第二實施例的結(jié)構(gòu)示意圖。與上一實施例相比，本實施例還包括有笫二長期趨勢判別模塊4和第二短期趨勢判別模塊5。第二長期趨勢判別模塊4用于在判斷所迷消費數(shù)據(jù)序列不具有周期時，直接對所述消費數(shù)據(jù)序列進行長期趨勢判別，獲得所述消費數(shù)據(jù)序列的長期趨勢信息。第二短期趨勢判別模塊5用于在判斷所述消費數(shù)據(jù)序列不具有周期時，直接對所述消費數(shù)據(jù)序列進行短期趨勢判別，獲得所述消費數(shù)據(jù)序列的短期趨勢信息。如圖5所示，為本發(fā)明消費數(shù)據(jù)序列趨勢信息獲取系統(tǒng)的第三實施例的結(jié)構(gòu)示意圖。與前述兩個實施例相比，本實施例還可以包括周期性條件判別模塊6,用于判斷所述消費數(shù)據(jù)序列的長度是否大于預(yù)設(shè)長度，是則確定符合周期性判別前提條件，否則確定不符合周期性判別前提條件，其中預(yù)設(shè)長度可取為nx2，n為預(yù)設(shè)的周期長度。如圖6所示，為本發(fā)明消費數(shù)據(jù)序列趨勢信息獲取系統(tǒng)的第四實施例的結(jié)構(gòu)示意圖。在本實施例中，周期性判斷模塊具體包括序列分段單元11、排名計算單元12、局部信息計算單元13和周期性參數(shù)計算單元14。序列分段單元11用于將長度為nx2的消費數(shù)據(jù)序列分為長度為n的前子序列和后子序列，n為預(yù)設(shè)的周期長度。排名計算單元12用于分別計算獲得所述前子序列和后子序列的各個數(shù)據(jù)的排名值+;)和+,2)，其中;c;表示所述前子序列中第i個數(shù)據(jù)，xf表示所述后子序列中第i個數(shù)據(jù)。局部信息計算單元13用于分別計算獲得所述前子序列和后子序列的各個數(shù)據(jù)的局部信息值)和)，計算公式如下<formula>formulaseeoriginaldocumentpage23</formula>周期性參數(shù)計算單元，用于根據(jù)所述排名值+;)和小,2)，以及局部信息值+;)和+,2)，計算獲得所述消費數(shù)據(jù)序列的周期性參數(shù)oc，計算公式如下<formula>formulaseeoriginaldocumentpage23</formula>周期性參數(shù)比較單元14用于比較所述周期性參數(shù)是否符合預(yù)定閾值，如果符合，則判斷所述消費數(shù)據(jù)序列具有周期。在上述的各系統(tǒng)實施例中，所述第一長期趨勢判別模塊2以具體包括第一數(shù)據(jù)變換單元，用于采用極差正規(guī)化方法將長度為nx2的所述消費數(shù)據(jù)序列的數(shù)據(jù)變換到[O,1區(qū)間，n為預(yù)設(shè)的周期長度；趨勢檢驗值計算單元，用于根據(jù)變換后的所述消費數(shù)據(jù)序列，采用Mann-Kendall檢驗方法計算獲得趨勢檢驗值；趨勢強度值計算單元，用于根據(jù)變換后的所述消費數(shù)據(jù)序列，采用Sen斜率估計方法計算獲得趨勢強度值；長期趨勢估計單元，用于根據(jù)預(yù)設(shè)的置信度閾值對所述趨勢檢驗值和趨勢強度值進行判斷，獲得所述消費數(shù)據(jù)序列的長期趨勢估計。所述第二長期趨勢判別模塊4以具體包括第二數(shù)據(jù)變換單元，用于采用極差正規(guī)化方法將長度為12的所述消費數(shù)據(jù)序列的數(shù)據(jù)變換到[O,1區(qū)間，n為預(yù)設(shè)的周期長度；趨勢檢驗值計算單元，用于根據(jù)變換后的所述消費數(shù)據(jù)序列，采用Mann-Kendall檢驗方法計算獲得趨勢檢驗值；趨勢強度值計算單元，用于根據(jù)變換后的所述消費數(shù)據(jù)序列，采用Sen斜率估計方法計算獲得趨勢強度值；長期趨勢估計單元，用于根據(jù)預(yù)設(shè)的置信度闊值對所述趨勢檢驗值和趨勢強度值進行判斷，獲得所述消費數(shù)據(jù)序列的長期趨勢估計。所述第一短期趨勢判別模塊3具體包括第一環(huán)比單元，對最近的長度為n/2的所述消費數(shù)據(jù)序列與上一期相應(yīng)的長度為n/2的消費數(shù)據(jù)進行同比，得到新的長度為n/2的同比數(shù)據(jù)序列，在此同比數(shù)據(jù)序列上進行環(huán)比，獲得所述消費數(shù)據(jù)序列的消費波動；異常值檢驗單元，用于對所述消費數(shù)據(jù)序列最近的數(shù)據(jù)進行Dixson異常值檢驗，獲得所述消費數(shù)據(jù)序列最近的數(shù)據(jù)的異常指數(shù)；短期趨勢估計單元，用于當異常指數(shù)表示異常時，在異常指數(shù)低于預(yù)設(shè)的異常低閾值時，確定短期趨勢為下降；在異常指數(shù)高于預(yù)設(shè)的異常高闊值時，確定短期趨勢為上升；當異常指數(shù)表示正常時，根據(jù)所述消費數(shù)據(jù)序列的消費波動獲得短期趨勢估計。所述第二短期趨勢判別模塊5可以具體包括第二環(huán)比單元，用于對最近的長度為n/2的所述消費數(shù)據(jù)序列進行環(huán)比，獲得所述消費數(shù)據(jù)序列的消費波動；異常值檢驗單元，用于對所述消費數(shù)據(jù)序列最近的數(shù)據(jù)進行Dixson異常值檢驗，獲得所述消費數(shù)據(jù)序列最近的數(shù)據(jù)的異常指數(shù)；短期趨勢估計單元，用于當異常指數(shù)表示異常時，在異常指數(shù)低于預(yù)設(shè)的異常低閾值時，確定短期趨勢為下降；在異常指數(shù)高于預(yù)設(shè)的異常高閾值時，確定短期趨勢為上升；當異常指數(shù)表示正常時，根據(jù)所述消費數(shù)據(jù)序列的消費波動獲得短期趨勢估計。如圖7所示，為本發(fā)明消費數(shù)據(jù)序列趨勢信息獲取系統(tǒng)的第五實施例的結(jié)構(gòu)示意圖。與上一實施例相比，本實施例還包括趨勢起始點預(yù)測模塊7，采用Mann-Kendall突變點檢測方法，檢測均值突變的點，該模塊具體包括第一趨勢統(tǒng)計量序列獲得單元，用于采用Mann-Kendall趨勢檢驗方法提取所述消費數(shù)據(jù)序列的趨勢統(tǒng)計量序列；第二趨勢統(tǒng)計量序列獲得單元，采用Mann-Kendall趨勢檢驗方法提取所述消費數(shù)據(jù)序列的反向序列的趨勢統(tǒng)計量序列；趨勢起始點比較單元，用于比較上述兩條統(tǒng)計量序列，在預(yù)設(shè)的置信區(qū)間內(nèi)獲得兩條統(tǒng)計量序列的交叉點作為所述長期趨勢的起始點。在這里對本實施例中涉及的Mann-Kendall突變點檢測方法進行說明設(shè)序列W"…"^，，表示、大于^(l勺、')的累計數(shù)，定義統(tǒng)計量=r〉柳'臺'，可以證明，以隨機整數(shù)序列出現(xiàn)的《的平均值為￡[《]=*-1)/4，出現(xiàn)《的方差為^K]"(2^+3"5)/12，計算統(tǒng)計量￡(《))/麵[化所有"《)(^"似)將組成一條曲線c,，即所述消費數(shù)據(jù)序列的趨勢統(tǒng)計量序歹丄。把此方法引用到反序列中丄^表示x'大于、(1"<丌"的累計數(shù)，當,'-W+l-/時，如果附'=，，則〃(《)=-K《)，所有〃K)(^"M)將組成一條曲線&，即所述消費數(shù)據(jù)序列的反向序列的趨勢統(tǒng)計量序列。當曲線c'超過預(yù)設(shè)的置信區(qū)間(事先給定的閾值)，即表示存在明顯的變化趨勢時，如果曲線A和G的交叉點位于預(yù)設(shè)的置信區(qū)間，則該點便是長期趨勢的起始點。最后應(yīng)當說明的是:以上實施例僅用以說明本發(fā)明的技術(shù)方案而非對其限制；盡管參照較佳實施例對本發(fā)明進行了詳細的說明，所屬領(lǐng)域的普通技術(shù)人員應(yīng)當理解依然可以對本發(fā)明的具體實施方式進行修改或者對部分技術(shù)特征進行等同替換；而不脫離本發(fā)明技術(shù)方案的精神，其均應(yīng)涵蓋在本發(fā)明請求保護的技術(shù)方案范圍當中。權(quán)利要求1、一種消費數(shù)據(jù)序列趨勢信息獲取方法，其特征在于，包括以下步驟對符合周期性判別前提條件的消費數(shù)據(jù)序列進行周期性判斷，如果判斷所述消費數(shù)據(jù)序列具有周期，則在去除周期性因素的影響下對所述消費數(shù)據(jù)序列進行長期趨勢判別和/或短期趨勢判別，獲得所述消費數(shù)據(jù)序列的趨勢信息。2、根據(jù)權(quán)利要求1所述的消費數(shù)據(jù)序列趨勢信息獲取方法，其特征在于，如果判斷所述消費數(shù)據(jù)序列不具有周期，則直接對所述消費數(shù)據(jù)序列進行長期趨勢判別和/或短期趨勢判別。3、根據(jù)權(quán)利要求1所述的消費數(shù)據(jù)序列趨勢信息獲取方法，其特征在于，在對消費數(shù)據(jù)序列進行周期性判斷之前，還包括對所述消費數(shù)據(jù)序列是否符合周期性判別前提條件進行判斷的操作，該操作具體為判斷所述消費數(shù)據(jù)序列的長度是否大于預(yù)設(shè)長度，是則確定符合周期性判別前提條件，否則確定不符合周期性判別前提條件。4、根據(jù)權(quán)利要求3所述的消費數(shù)據(jù)序列趨勢信息獲取方法，其特征在于，所述判斷消費數(shù)據(jù)序列的長度是否大于預(yù)設(shè)長度的操作具體為判斷所述消費數(shù)據(jù)序列的長度是否大于nx2，n為預(yù)設(shè)的周期長度。5、根據(jù)權(quán)利要求4所述的消費數(shù)據(jù)序列趨勢信息獲取方法，其特征在于，所述對符合周期性判別前提條件的消費數(shù)據(jù)序列進行周期性判斷的操作具體包括將長度為nx2的消費數(shù)據(jù)序列分為長度為n的前子序列和后子序列，n為預(yù)設(shè)的周期長度；分別計算獲得所述前子序列和后子序列的各個數(shù)據(jù)的排名值)和+,2)，其中;c;表示所述前子序列中第i個數(shù)據(jù)，x,2表示所述后子序列中第i個數(shù)據(jù)；分別計算獲得所述前子序列和后子序列的各個數(shù)據(jù)的局部信息根據(jù)所述排名值+;)和+,2),以及局部信息值+))和";c,2)，計算獲得所述消費數(shù)據(jù)序列的周期性參數(shù)ot，計算公式如下比較所述周期性參數(shù)是否符合預(yù)定閾值，如果符合，則判斷所述消費數(shù)據(jù)序列具有周期。6、根據(jù)權(quán)利要求1所述的消費數(shù)據(jù)序列趨勢信息獲取方法，其特征在于，所述在去除周期性因素的影響下對所述消費數(shù)據(jù)序列進行長期趨勢判別的操作具體包括采用極差正規(guī)化方法將長度為nx2的所述消費數(shù)據(jù)序列的數(shù)據(jù)變換到0，ll區(qū)間，n為預(yù)設(shè)的周期長度；根據(jù)變換后的所述消費數(shù)據(jù)序列，采用Mann-Kendall檢驗方法計算獲得趨勢檢驗值；根據(jù)變換后的所述消費數(shù)據(jù)序列，采用Sen斜率估計方法計算獲得趨勢強度值；根據(jù)預(yù)設(shè)的置信度閾值對所述趨勢檢驗值和趨勢強度值進行判斷，獲得所述消費數(shù)據(jù)序列的長期趨勢估計。7、根據(jù)權(quán)利要求2所述的消費數(shù)據(jù)序列趨勢信息獲取方法，其特征在于，所述直接對所述消費數(shù)據(jù)序列進行長期趨勢判別的操作具體包括采用極差正規(guī)化方法將長度為n的所述消費數(shù)據(jù)序列的數(shù)據(jù)變換到[O，lj區(qū)間；根據(jù)變換后的所述消費數(shù)據(jù)序列，采用Mann-Kendall檢驗方法計算獲得趨勢檢驗值；根據(jù)變換后的所述消費數(shù)據(jù)序列，采用Sen斜率估計方法計算荻得趨勢強度值；根據(jù)預(yù)設(shè)的置信度閾值對所述趨勢檢驗值和趨勢強度值進行判斷，獲得所述消費數(shù)據(jù)序列的長期趨勢估計。8、根據(jù)權(quán)利要求1所述的消費數(shù)據(jù)序列趨勢信息獲取方法，其特征在于，所述在去除周期性因素的影響下對所述消費數(shù)據(jù)序列進行短期趨勢判別的操作具體包括對最近的長度為n/2的所述消費數(shù)據(jù)序列與上一期相應(yīng)的長度為n/2的消費數(shù)據(jù)進行同比，得到新的長度為n/2的同比數(shù)據(jù)序列，在此同比數(shù)據(jù)序列上進行環(huán)比，獲得所述消費數(shù)據(jù)序列的消費波動；對所述消費數(shù)據(jù)序列進行Dixson異常值檢驗，獲得所述消費數(shù)據(jù)序列最近一期數(shù)據(jù)的異常指數(shù)；當異常指數(shù)表示異常時，在異常指數(shù)低于預(yù)設(shè)的異常低闊值時，確定短期趨勢為下降；在異常指數(shù)高于預(yù)設(shè)的異常高閾值時，確定短期趨勢為上升；當異常指數(shù)表示正常時，根據(jù)所述消費數(shù)據(jù)序列的消費波動獲得短期趨勢估計。9、根據(jù)權(quán)利要求2所述的消費數(shù)據(jù)序列趨勢信息獲取方法，其特征在于，所述直接對所述消費數(shù)據(jù)序列進行短期趨勢判別的操作具體包括對最近的長度為n/2的所述消費數(shù)據(jù)序列進行環(huán)比，獲得所述消費數(shù)據(jù)序列的消費波動；對所述消費數(shù)據(jù)序列最近的數(shù)據(jù)進行Dixson異常值檢驗，獲得所述消費數(shù)據(jù)序列最近的數(shù)據(jù)的異常指數(shù)；當異常指數(shù)表示異常時，在異常指數(shù)低于預(yù)設(shè)的異常低閾值時，確定短期趨勢為下降；在異常指數(shù)高于預(yù)設(shè)的異常高閾值時，確定短期趨勢為上升；當異常指數(shù)表示正常時，根據(jù)所述消費數(shù)據(jù)序列的消費波動獲得短期趨勢估計。10、根據(jù)權(quán)利要求6所述的消費數(shù)據(jù)序列趨勢信息獲取方法，其特征在于，在對消費數(shù)據(jù)序列進行長期趨勢判別之后，還包括預(yù)測長期趨勢的起始點的操作，具體為采用Mann-Kendall趨勢檢驗方法提取所述消費數(shù)據(jù)序列的趨勢統(tǒng)計量序列；采用Mann-Kendall趨勢檢驗方法提取所述消費數(shù)據(jù)序列的反向序列的趨勢統(tǒng)計量序列；比較上述兩條統(tǒng)計量序列，在預(yù)設(shè)的置信區(qū)間內(nèi)獲得兩條統(tǒng)計量序列的交叉點作為所述長期趨勢的起始點。11、一種消費數(shù)據(jù)序列趨勢信息獲取系統(tǒng)，其特征在于，包括周期性判斷模塊，用于對符合周期性判別前提條件的消費數(shù)據(jù)序列進行周期性判斷；第一長期趨勢判別模塊，用于在判斷所述消費數(shù)據(jù)序列具有周期時，在去除周期性因素的影響下對所述消費數(shù)據(jù)序列進行長期趨勢判別，獲得所述消費數(shù)據(jù)序列的長期趨勢信息；笫一短期趨勢判別模塊，用于在判斷所述消費數(shù)據(jù)序列具有周期時，在去除周期性因素的影響下對所述消費數(shù)據(jù)序列進行短期趨勢判別，獲得所述消費數(shù)據(jù)序列的短期趨勢信息。12、根據(jù)權(quán)利要求11所述的消費數(shù)據(jù)序列趨勢信息獲取系統(tǒng)，其特征在于，還包括第二長期趨勢判別模塊，用于在判斷所述消費數(shù)據(jù)序列不具有周期時，直接對所述消費數(shù)據(jù)序列進行長期趨勢判別，獲得所述消費數(shù)據(jù)序列的長期趨勢信息；第二短期趨勢判別模塊，用于在判斷所述消費數(shù)據(jù)序列不具有周期時，直接對所述消費數(shù)據(jù)序列進行短期趨勢判別，獲得所述消費數(shù)據(jù)序列的短期趨勢信息。13、根據(jù)權(quán)利要求11所述的消費數(shù)據(jù)序列趨勢信息獲取系統(tǒng)，其特征在于，還包括:周期性條件判別模塊，用于判斷所述消費數(shù)據(jù)序列的長度是否大于預(yù)設(shè)長度，是則確定符合周期性判別前提條件,否則確定不符合周期性判別前提條件。14、根據(jù)權(quán)利要求13所述的消費數(shù)據(jù)序列趨勢信息獲取系統(tǒng)，其特征在于，所述預(yù)設(shè)長度為nx2,n為預(yù)設(shè)的周期長度。15、根據(jù)權(quán)利要求14所述的消費數(shù)據(jù)序列趨勢信息獲取系統(tǒng)，其特征在于，所述周期性判斷模塊具體包括序列分段單元，用于將長度為nx2的消費數(shù)據(jù)序列分為長度為n的前子序列和后子序列，n為預(yù)設(shè)的周期長度；排名計算單元，用于分別計算獲得所述前子序列和后子序列的各個數(shù)據(jù)的排名值r(x;)和+,2)，其中;c,'表示所述前子序列中第i個數(shù)據(jù)，;c,2表示所述后子序列中第i個數(shù)據(jù)；局部信息計算單元，用于分別計算獲得所述前子序列和后子序列的各個數(shù)據(jù)的局部信息值)和);周期性參數(shù)計算單元，用于根據(jù)所述排名值+;)和+,2)，以及局部信息值+;)和+,2),計算獲得所述消費數(shù)據(jù)序列的周期性參數(shù)a,計算公式如下<formula>formulaseeoriginaldocumentpage6</formula>周期性參數(shù)比較單元，用于比較所述周期性參數(shù)是否符合預(yù)定閾值，如果符合，則判斷所述消費數(shù)據(jù)序列具有周期。16、根據(jù)權(quán)利要求11所述的消費數(shù)據(jù)序列趨勢信息獲取系統(tǒng)，其特征在于，所述第一長期趨勢判別模塊具體包括第一數(shù)據(jù)變換單元，用于釆用極差正規(guī)化方法將長度為nx2的所述消費數(shù)據(jù)序列的數(shù)據(jù)變換到[O，1區(qū)間，n為預(yù)設(shè)的周期長度；趨勢檢驗值計算單元，用于根據(jù)變換后的所述消費數(shù)據(jù)序列，采用Mann-Kendall檢驗方法計算獲得趨勢檢驗值；趨勢強度值計算單元，用于根據(jù)變換后的所述消費數(shù)據(jù)序列，采用Sen斜率估計方法計算獲得趨勢強度值；長期趨勢估計單元，用于根據(jù)預(yù)設(shè)的置信度閾值對所述趨勢檢驗值和趨勢強度值進行判斷，獲得所述消費數(shù)據(jù)序列的長期趨勢估計。17、根據(jù)權(quán)利要求12所述的消費數(shù)據(jù)序列趨勢信息獲取系統(tǒng)，其特征在于，所述第二長期趨勢判別模塊具體包括第二數(shù)據(jù)變換單元，用于采用極差正規(guī)化方法將長度為n的所述消費數(shù)據(jù)序列的數(shù)據(jù)變換到0，ll區(qū)間，n為預(yù)設(shè)的周期長度；趨勢檢驗值計算單元，用于根據(jù)變換后的所述消費數(shù)據(jù)序列，采用Mann-Kendall檢驗方法計算獲得趨勢檢驗值；趨勢強度值計算單元，用于根據(jù)變換后的所述消費數(shù)據(jù)序列，采用Sen斜率估計方法計算獲得趨勢強度值；長期趨勢估計單元，用于根據(jù)預(yù)設(shè)的置信度閾值對所述趨勢檢驗值和趨勢強度值進行判斷，獲得所述消費數(shù)據(jù)序列的長期趨勢估計。18、根據(jù)權(quán)利要求11所述的消費數(shù)據(jù)序列趨勢信息獲取系統(tǒng)，其特征在于，所述第一短期趨勢判別模塊具體包括笫一環(huán)比單元，用于對最近的長度為n/2的所述消費數(shù)據(jù)序列與上一期相應(yīng)的長度為n/2的消費數(shù)據(jù)進行同比，得到新的長度為n/2的同比數(shù)據(jù)序列，在此同比數(shù)據(jù)序列上進行環(huán)比，獲得所述消費數(shù)據(jù)序列的消費波動；；異常值檢驗單元，用于對所述消費數(shù)據(jù)序列最近的數(shù)據(jù)進行Dixson異常值檢驗，獲得所述消費數(shù)據(jù)序列最近的數(shù)據(jù)的異常指數(shù)；短期趨勢估計單元，用于當異常指數(shù)表示異常時，在異常指數(shù)低于預(yù)設(shè)的異常低閾值時，確定短期趨勢為下降；在異常指數(shù)高于預(yù)設(shè)的異常高閾值時，確定短期趨勢為上升；當異常指數(shù)表示正常時，根據(jù)所述消費數(shù)據(jù)序列的消費波動獲得短期趨勢估計。19、根據(jù)權(quán)利要求12所述的消費數(shù)據(jù)序列趨勢信息獲取系統(tǒng)，其特征在于，所述第二短期趨勢判別模塊具體包括第二環(huán)比單元，用于對最近的長度為n/2的所述消費數(shù)據(jù)序列進行環(huán)比，獲得所述消費數(shù)據(jù)序列的消費波動；異常值檢驗單元，用于對所述消費數(shù)據(jù)序列最近的數(shù)據(jù)進行Dixson異常值檢驗，獲得所述消費數(shù)據(jù)序列最近的數(shù)據(jù)的異常指數(shù)；短期趨勢估計單元，用于當異常指數(shù)表示異常時，在異常指數(shù)低于預(yù)設(shè)的異常低閾值時，確定短期趨勢為下降；在異常指數(shù)高于預(yù)設(shè)的異常高閾值時，確定短期趨勢為上升；當異常指數(shù)表示正常時，根據(jù)所述消費數(shù)據(jù)序列的消費波動獲得短期趨勢估計。20、根據(jù)權(quán)利要求16所述的消費數(shù)據(jù)序列趨勢信息獲取系統(tǒng)，其特征在于，還包括趨勢起始點預(yù)測模塊，該模塊具體包括第一趨勢統(tǒng)計量序列獲得單元，用于采用Mann-Kendall趨勢檢驗方法提取所述消費數(shù)據(jù)序列的趨勢統(tǒng)計量序列；第二趨勢統(tǒng)計量序列獲得單元，采用Mann-Kendall趨勢檢驗方法提取所述消費數(shù)據(jù)序列的反向序列的趨勢統(tǒng)計量序列；趨勢起始點比較單元，用于比較上述兩條統(tǒng)計量序列，在預(yù)設(shè)的置信區(qū)間內(nèi)獲得兩條統(tǒng)計量序列的交叉點作為所述長期趨勢的起始點。全文摘要本發(fā)明涉及一種消費數(shù)據(jù)序列趨勢信息獲取方法，包括以下步驟對符合周期性判別前提條件的消費數(shù)據(jù)序列進行周期性判斷，如果判斷所述消費數(shù)據(jù)序列具有周期，則在去除周期性因素的影響下對所述消費數(shù)據(jù)序列進行長期趨勢判別和/或短期趨勢判別，同步獲得所述消費數(shù)據(jù)序列的長期和/或短期趨勢信息。本發(fā)明還涉及一種消費數(shù)據(jù)序列趨勢信息獲取系統(tǒng)，包括周期性判斷模塊、第一長期趨勢判別模塊和第一短期趨勢判別模塊。本發(fā)明對海量數(shù)據(jù)的周期性進行判別，如果是有周期性的數(shù)據(jù)序列，在預(yù)測趨勢時排除掉周期性的影響，從而消除周期性對預(yù)測結(jié)果的影響。文檔編號G06Q30/02GK101221644SQ20081000854公開日2008年7月16日申請日期2008年1月23日優(yōu)先權(quán)日2008年1月23日發(fā)明者波康,曾憲偉,柯曉燕,漆晨曦,蘆陳輝申請人:中國電信股份有限公司