一種時(shí)間序列預(yù)測(cè)方法及系統(tǒng)的制作方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及計(jì)算機(jī)領(lǐng)域，尤其涉及一種時(shí)間序列預(yù)測(cè)方法及系統(tǒng)。
【背景技術(shù)】
[0002] 時(shí)間序列預(yù)測(cè)分析技術(shù)是基于與時(shí)間順序相關(guān)聯(lián)的有序觀測(cè)數(shù)據(jù)集，利用隨機(jī)過(guò) 程理論和數(shù)理統(tǒng)計(jì)學(xué)方法，研究所述數(shù)據(jù)集所遵從的統(tǒng)計(jì)規(guī)律，從而推測(cè)數(shù)據(jù)發(fā)展趨勢(shì)指 導(dǎo)解決實(shí)際問(wèn)題?？茖W(xué)正確地對(duì)各種實(shí)際時(shí)間序列進(jìn)行預(yù)測(cè)分析可產(chǎn)生巨大的經(jīng)濟(jì)效益和 與社會(huì)效益，時(shí)間序列預(yù)測(cè)分析技術(shù)已廣泛應(yīng)用到工業(yè)、地址、生態(tài)、經(jīng)濟(jì)、氣象、醫(yī)學(xué)等領(lǐng) 域。
[0003] 當(dāng)前時(shí)間序列的實(shí)時(shí)預(yù)測(cè)一般使用自回歸滑動(dòng)平均模型（Autoregressive moving average model，ARMA)、多層神經(jīng)網(wǎng)絡(luò)（Back propagation Natural Network，BPNN) 或者支持向量機(jī)（Support Vector Machines，SVM)等方法。其中，最常用的是ARMA及其變 化模型。ARMA是自回歸模型AR和滑動(dòng)平均模型MA的混合，自回歸模型計(jì)算當(dāng)前值與歷史 值之間的關(guān)系，滑動(dòng)平均模型計(jì)算自回歸模型的累計(jì)誤差。ARMA常用于消費(fèi)行為模式變遷 研究，在零售研究中，用于具有季節(jié)變動(dòng)特征的銷售量、市場(chǎng)規(guī)模的預(yù)測(cè)等。
[0004] 然而，ARMA模型在預(yù)測(cè)時(shí)，往往固定使用時(shí)間序列的一種時(shí)間粒度，比如，按照季 度，月，星期等粒度。這種預(yù)測(cè)方法無(wú)法反應(yīng)時(shí)間序列在時(shí)間粒度的特征，對(duì)于多種時(shí)間粒 度上的時(shí)間序列的預(yù)測(cè)效果往往較差，預(yù)測(cè)結(jié)果的波動(dòng)范圍較大。而使用SVM，BPNN等模型 預(yù)測(cè)時(shí)，為了保證預(yù)測(cè)的精度，預(yù)測(cè)模型的復(fù)雜度一般都較高，不適用于多種時(shí)間粒度的時(shí) 間序列實(shí)時(shí)預(yù)測(cè)。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明實(shí)施例所要解決的技術(shù)問(wèn)題在于，提供一種時(shí)間序列預(yù)測(cè)方法及系統(tǒng)，通 過(guò)對(duì)時(shí)間粒度進(jìn)行多維劃分，在不同的時(shí)間維度上對(duì)時(shí)間序列進(jìn)行預(yù)測(cè)，解決了現(xiàn)有技術(shù) 中時(shí)間序列在多維時(shí)間粒度上預(yù)測(cè)精度的問(wèn)題，提高了業(yè)務(wù)預(yù)測(cè)的準(zhǔn)確性。
[0006] 為了解決上述技術(shù)問(wèn)題，本發(fā)明實(shí)施例第一方面公開(kāi)了一種時(shí)間序列預(yù)測(cè)方法， 包括
[0007] 對(duì)時(shí)間序列的時(shí)間粒度進(jìn)行多維劃分，劃分出至少兩個(gè)時(shí)間維度；
[0008] 獲取劃分出的每個(gè)時(shí)間維度的時(shí)間序列；所述獲取的時(shí)間序列為在當(dāng)前時(shí)刻之前 的一段時(shí)間序列；
[0009] 根據(jù)所述獲取的時(shí)間序列通過(guò)預(yù)測(cè)算法進(jìn)行預(yù)測(cè)，根據(jù)預(yù)測(cè)結(jié)果組成不同時(shí)間維 度的預(yù)測(cè)組合，根據(jù)所述預(yù)測(cè)組合生成多維度時(shí)間劃分預(yù)測(cè)模型；
[0010] 獲取并根據(jù)當(dāng)前時(shí)刻的真實(shí)時(shí)間序列值，通過(guò)所述多維度時(shí)間劃分預(yù)測(cè)模型預(yù)測(cè) 在當(dāng)前時(shí)刻之后的下一時(shí)刻的時(shí)間序列值，得到當(dāng)前時(shí)刻之后的下一時(shí)刻的預(yù)測(cè)時(shí)間序列 值。
[0011] 本發(fā)明實(shí)施例第二方面公開(kāi)了一種時(shí)間序列預(yù)測(cè)系統(tǒng)，包括：
[0012] 多維劃分模塊，用于對(duì)時(shí)間序列的時(shí)間粒度進(jìn)行多維劃分，劃分出至少兩個(gè)時(shí)間 維度；
[0013] 時(shí)間序列獲取模塊，用于獲取劃分出的每個(gè)時(shí)間維度的時(shí)間序列；所述獲取的時(shí) 間序列為在當(dāng)前時(shí)刻之前的一段時(shí)間序列；
[0014] 預(yù)測(cè)模型生成模塊，用于根據(jù)所述獲取的時(shí)間序列通過(guò)預(yù)測(cè)算法進(jìn)行預(yù)測(cè)，根據(jù) 預(yù)測(cè)結(jié)果組成不同時(shí)間維度的預(yù)測(cè)組合，根據(jù)所述預(yù)測(cè)組合生成多維度時(shí)間劃分預(yù)測(cè)模 型；
[0015] 預(yù)測(cè)模塊，用于獲取并根據(jù)當(dāng)前時(shí)刻的真實(shí)時(shí)間序列值，通過(guò)所述多維度時(shí)間劃 分預(yù)測(cè)模型預(yù)測(cè)在當(dāng)前時(shí)刻之后的下一時(shí)刻的時(shí)間序列值，得到當(dāng)前時(shí)刻之后的下一時(shí)刻 的預(yù)測(cè)時(shí)間序列值。
[0016] 實(shí)施本發(fā)明實(shí)施例，具有如下有益效果：
[0017] 通過(guò)對(duì)時(shí)間序列的時(shí)間粒度進(jìn)行多維劃分，組成不同時(shí)間維度的預(yù)測(cè)組合，生成 多維度時(shí)間劃分預(yù)測(cè)模型，實(shí)現(xiàn)了在不同的時(shí)間維度上對(duì)時(shí)間序列進(jìn)行預(yù)測(cè)，解決了現(xiàn)有 技術(shù)中時(shí)間序列在多維時(shí)間粒度上預(yù)測(cè)精度的問(wèn)題，提高了業(yè)務(wù)預(yù)測(cè)的準(zhǔn)確性，同時(shí)生成 的預(yù)測(cè)模型復(fù)雜度低，容易實(shí)現(xiàn)，可以滿足實(shí)時(shí)預(yù)測(cè)的需求；另外還可以針對(duì)生成的預(yù)測(cè)模 型獲取誤差修正因子來(lái)修正預(yù)測(cè)時(shí)間序列值，從而不斷地更新預(yù)測(cè)模型的參數(shù)，進(jìn)一步提 高業(yè)務(wù)預(yù)測(cè)的準(zhǔn)確性。
【附圖說(shuō)明】
[0018] 為了更清楚地說(shuō)明本發(fā)明實(shí)施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對(duì)實(shí)施例或現(xiàn) 有技術(shù)描述中所需要使用的附圖作簡(jiǎn)單地介紹，顯而易見(jiàn)地，下面描述中的附圖僅僅是本 發(fā)明的一些實(shí)施例，對(duì)于本領(lǐng)域普通技術(shù)人員來(lái)講，在不付出創(chuàng)造性勞動(dòng)的前提下，還可以 根據(jù)這些附圖獲得其他的附圖。
[0019] 圖1是本發(fā)明實(shí)施例提供的時(shí)間序列預(yù)測(cè)方法的流程示意圖；
[0020] 圖2是本發(fā)明提供的時(shí)間序列預(yù)測(cè)方法的另一實(shí)施例的流程示意圖；
[0021] 圖3是本發(fā)明提供的時(shí)間序列預(yù)測(cè)方法的另一實(shí)施例的流程示意圖；
[0022] 圖4是本發(fā)明提供的時(shí)間序列預(yù)測(cè)方法的另一實(shí)施例的流程示意圖；
[0023] 圖5是本發(fā)明實(shí)施例提供的對(duì)某網(wǎng)絡(luò)業(yè)務(wù)的預(yù)測(cè)準(zhǔn)確率趨勢(shì)圖；
[0024] 圖6是本發(fā)明提供的時(shí)間序列預(yù)測(cè)系統(tǒng)的結(jié)構(gòu)示意圖；
[0025] 圖7是本發(fā)明提供的時(shí)間序列預(yù)測(cè)系統(tǒng)的另一實(shí)施例的結(jié)構(gòu)示意圖；
[0026] 圖8是本發(fā)明提供的時(shí)間序列預(yù)測(cè)系統(tǒng)的另一實(shí)施例的結(jié)構(gòu)示意圖；
[0027] 圖9是本發(fā)明提供的時(shí)間序列預(yù)測(cè)系統(tǒng)的另一實(shí)施例的結(jié)構(gòu)示意圖；
[0028] 圖10是本發(fā)明實(shí)施例提供的預(yù)測(cè)模型生成模塊的結(jié)構(gòu)示意圖；
[0029] 圖11是本發(fā)明提供的預(yù)測(cè)模型生成模塊的另一實(shí)施例是結(jié)構(gòu)示意圖；
[0030] 圖12是本發(fā)明提供的時(shí)間序列預(yù)測(cè)系統(tǒng)的另一實(shí)施例的結(jié)構(gòu)示意圖；
[0031] 圖13是本發(fā)明提供的時(shí)間序列預(yù)測(cè)系統(tǒng)的另一實(shí)施例的結(jié)構(gòu)示意圖。
【具體實(shí)施方式】
[0032] 下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完 整地描述，顯然，所描述的實(shí)施例僅僅是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例?；?本發(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒(méi)有作出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他 實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。
[0033] 參見(jiàn)圖1，是本發(fā)明實(shí)施例提供的時(shí)間序列預(yù)測(cè)方法的流程示意圖，該方法包括：
[0034] 步驟S100 :對(duì)時(shí)間序列的時(shí)間粒度進(jìn)行多維劃分，劃分出至少兩個(gè)時(shí)間維度；
[0035] 具體地，時(shí)間序列的時(shí)間粒度可以包括季度、月份、星期、天、小時(shí)等等時(shí)間粒度， 艮P，步驟S100可以將時(shí)間序列的時(shí)間粒度進(jìn)行多維劃分，劃分出月份和天兩個(gè)時(shí)間維度， 或者劃分出天和每天中第1個(gè)小時(shí)（即〇點(diǎn)到1點(diǎn)）兩個(gè)時(shí)間維度，或者劃分出月份、每月 份中第一個(gè)星期和每星期中第二天三個(gè)時(shí)間維度，等等，只要將時(shí)間粒度進(jìn)行劃分，劃分出 至少兩個(gè)時(shí)間維度即可。
[0036] 需要說(shuō)明的是，本發(fā)明各個(gè)實(shí)施例中的時(shí)間序列可以為針對(duì)業(yè)務(wù)的時(shí)間序列，t匕 如某網(wǎng)絡(luò)業(yè)務(wù)量的時(shí)間序列，或者某地方天氣雨量的時(shí)間序列，或者某網(wǎng)站瀏覽點(diǎn)擊量的 時(shí)間序列，等等，本發(fā)明各實(shí)施例中不做限定。
[0037] 步驟S102 :獲取劃分出的每個(gè)時(shí)間維度的時(shí)間序列；所述獲取的時(shí)間序列為在當(dāng) 前時(shí)刻之前的一段時(shí)間序列；
[0038] 具體地，當(dāng)前時(shí)刻為t，那么獲取的時(shí)間序列為當(dāng)前時(shí)刻t之前的一段時(shí)間序列， 比如從t。到t-1時(shí)刻這段時(shí)間的時(shí)間序列，或者從tfn到t-m這段時(shí)間的時(shí)間序列，n和 m可以為自然數(shù)，只要to+n小于t-m,且t-m小于t即可；
[0039] 例如，步驟S100中劃分出月份和天兩個(gè)時(shí)間維度，那么可以獲取從t。到t_l時(shí)刻 這段時(shí)間中，每個(gè)月的時(shí)間序列和每天的時(shí)間序列；又例如，步驟S100中劃分出每天、每天 中工作日和每天中每小時(shí)三個(gè)時(shí)間維度，那么可以獲取從t。到t-1時(shí)刻這段時(shí)間中，每天 的時(shí)間序列、每天中工作日的時(shí)間序列和每天中每小時(shí)的時(shí)間序列。
[0040] 步驟S104 :根據(jù)所述獲取的時(shí)間序列通過(guò)預(yù)測(cè)算法進(jìn)行預(yù)測(cè)，根據(jù)預(yù)測(cè)結(jié)果組成 不同時(shí)間維度的預(yù)測(cè)組合，根據(jù)所述預(yù)測(cè)組合生成多維度時(shí)間劃分預(yù)測(cè)模型；
[0041] 具體地，對(duì)步驟S102中獲取的時(shí)間序列可以通過(guò)回歸模型，ARMA等預(yù)測(cè)算法進(jìn)行 預(yù)測(cè)得出預(yù)測(cè)結(jié)果，根據(jù)預(yù)測(cè)結(jié)果組合出最優(yōu)的時(shí)間維度得到預(yù)測(cè)組合，可理解的，預(yù)測(cè)組 合也可以為某個(gè)最優(yōu)的時(shí)間維度；
[0042] 例如，根據(jù)預(yù)測(cè)結(jié)果獲知使用每個(gè)星期的時(shí)間序列來(lái)預(yù)測(cè)每個(gè)月的時(shí)間序列值， 預(yù)測(cè)的準(zhǔn)確率最高，那么使用每個(gè)星期這個(gè)時(shí)間維度來(lái)生成多維度時(shí)間劃分預(yù)測(cè)模型；又 如，根據(jù)預(yù)測(cè)結(jié)果獲知組合使用每天中工作日和該工作日中每小時(shí)的時(shí)間序列來(lái)預(yù)測(cè)每個(gè) 月的時(shí)間序列值，預(yù)測(cè)的準(zhǔn)確率最高，那么組成每天中工作日和該工作日中每小時(shí)的預(yù)測(cè) 組合，然后根據(jù)該預(yù)測(cè)組合生成多維度時(shí)間劃分預(yù)測(cè)模型；
[0043] 步驟S106 :獲取并根據(jù)當(dāng)前時(shí)刻的真實(shí)時(shí)間序列值，通過(guò)所述多維度時(shí)間劃分預(yù) 測(cè)模型預(yù)測(cè)在當(dāng)前時(shí)刻之后的下一時(shí)刻的時(shí)間序列值，得到當(dāng)前時(shí)刻之后的下一時(shí)刻的預(yù) 測(cè)時(shí)間序列值。
[0044] 具體地，假如步驟S104中是使用每個(gè)星期這個(gè)時(shí)間維度來(lái)生成多維度時(shí)間劃分 預(yù)測(cè)模型，那么獲取當(dāng)前時(shí)刻的真實(shí)時(shí)間序列值即獲取當(dāng)前這個(gè)星期的真實(shí)時(shí)間序列值， 然后通過(guò)該生成的多維度時(shí)間劃分預(yù)測(cè)模型來(lái)預(yù)測(cè)當(dāng)前這個(gè)星期之后的下一個(gè)星期的時(shí) 間序列值，得到預(yù)測(cè)時(shí)間序列值；
[0045] 又如，步驟S104中是使用每天中工作日和該工作日中每小時(shí)的預(yù)測(cè)組合生成多 維度時(shí)間劃分預(yù)測(cè)模型，那么獲取當(dāng)前時(shí)刻的真實(shí)時(shí)間序列值即獲取當(dāng)