[發明專利]基于預測模型適用性判斷的時間序列預測方法

在審

• 申請號: 201510324352.7
• 申請日: 2015-06-12
• 公開（公告）號: CN104866932A
• 公開（公告）日: 2015-08-26
• 發明（設計）人: 劉大同;彭宇;郭力萌;彭喜元
• 申請（專利權）人: 哈爾濱工業大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04
• 代理公司: 哈爾濱市松花江專利商標事務所 23109
• 代理人: 張利明

1.基于預測模型適用性判斷的時間序列預測方法，其特征在于，該方法包括以下步驟：

步驟一：根據當前時間序列的幅值連續性、長記憶性、趨勢性和季節性獲得當前時間序列的數據類別；

步驟二：判斷步驟一獲得的數據類別是否與歷史時間序列的數據類別相同，是則執行步驟三，否則重新選擇預測模型，并利用新的預測模型預測未來時間序列；

步驟三：利用歷史預測模型進行預測實驗，獲得模型適用性評價指標；

步驟四：根據模型適用性評價指標獲得適用性評價結果；

步驟五：根據適用性評價結果獲得評價結果的變化百分比Degree；

步驟六：根據適用性評價類型將評價結果的變化百分比Degree與適用性判斷閾值進行比較，判斷歷史預測模型的結構和參數是否適用于當前時間序列；

若歷史預測模型的結構和參數均適用，則利用該歷史預測模型預測未來時間序列；

若歷史預測模型的結構適用，歷史預測模型的參數不適用，則重新訓練歷史預測模型的參數，并利用重新訓練參數后的預測模型預測未來時間序列；

若歷史預測模型的結構和參數均不適用，則重新選擇預測模型，并利用新的預測模型預測未來時間序列。

2.根據權利要求1所述的基于預測模型適用性判斷的時間序列預測方法，其特征在于，步驟三所述模型適用性評價指標包括：歷史時間序列的模型適用性評價指標和當前時間序列的模型適用性評價指標；

獲得模型適用性評價指標的具體方法為：

利用歷史時間序列和歷史預測模型進行預測實驗，獲得歷史時間序列的模型適用性評價指標，

利用當前時間序列和歷史預測模型進行預測實驗，獲得當前時間序列的模型適用性評價指標。

3.根據權利要求2所述的基于預測模型適用性判斷的時間序列預測方法，其特征在于，步驟四的具體方法為：

根據歷史時間序列的模型適用性評價指標獲得歷史適用性評價結果，

根據當前時間序列的模型適用性評價指標獲得當前適用性評價結果。

4.根據權利要求3所述的基于預測模型適用性判斷的時間序列預測方法，其特征在于，步驟五的具體方法為：

根據歷史適用性評價結果和當前適用性評價結果獲得評價結果的變化百分比Degree。

5.根據權利要求4所述的基于預測模型適用性判斷的時間序列預測方法，其特征在于，通過下式獲得評價結果的變化百分比：

Degree=NewMetric-MetricMetric·100]]>

其中，Degree為評價結果的變化百分比，NewMetric為當前適用性評價結果，Metric為歷史適用性評價結果。

6.根據權利要求1所述的基于預測模型適用性判斷的時間序列預測方法，其特征在于，步驟六所述適用性評價類型為類型一或類型二：

所述類型一為：適用性評價結果越小，時間序列預測模型的適用性越好；

所述類型二為：適用性評價結果越大，時間序列預測模型的適用性越好。

7.根據權利要求6所述的基于預測模型適用性判斷的時間序列預測方法，其特征在于，步驟六的具體步驟為：

若適用性評價指標為類型一，則判斷歷史預測模型的結構和參數是否適用于當前時間序列步驟如下：

所述適用性判斷閾值為：A和B，且0<A<B；

當Degree≤A時，歷史預測模型的結構和參數均適用于當前時間序列；

當A<Degree≤B時，歷史預測模型的結構適用，歷史預測模型的參數不適用于當前時間序列；

當B<Degree時，歷史預測模型的結構和參數均不適用于當前時間序列；

若適用性評價指標為類型二，則判斷歷史預測模型的結構和參數是否適用于當前時間序列步驟如下：

所述適用性判斷閾值為：A和B，且A<B<0；

當B<Degree時，歷史預測模型的結構和參數均適用于當前時間序列；

當A<Degree≤B時，歷史預測模型的結構適用，歷史預測模型的參數不適用于當前時間序列；

當Degree≤A時，歷史預測模型的結構和參數均不適用于當前時間序列。