[發明專利]一種數據預測方法及裝置

在審

• 申請號: 201611221406.8
• 申請日: 2016-12-26
• 公開（公告）號: CN106845638A
• 公開（公告）日: 2017-06-13
• 發明（設計）人: 程之明;周訓波;王智萍
• 申請（專利權）人: 大唐軟件技術股份有限公司
• 主分類號: G06N3/08
• 分類號: G06N3/08;G06N99/00
• 代理公司: 北京潤澤恒知識產權代理有限公司11319
• 代理人: 蘇培華

1.一種數據預測方法，其特征在于，所述方法包括：

利用n個學習模型(A1、A2…An)對待預測數據D進行預測，得到對應的n個預測結果(R1，R2…Rn)，其中，n為不小于2的整數；

利用所述n個學習模型和所述待預測數據D組成n個可接受模型數據{(D，A1)(D，A2)…(D，An)}，利用預設可接受度學習模型計算所述n個可接受模型數據對應的可接受度；

將可接受度最高的可接受模型數據對應的學習模型Ax確定為目標學習模型；

將利用所述目標學習模型Ax預測出的預測結果Rx，確定為所述待預測數據D的目標預測結果。

2.如權利要求1的方法，其特征在于，所述在利用預設可接受度學習模型計算所述n個可接受模型數據對應的可接受度之前，所述方法還包括：

構建所述預設可接受度學習模型。

3.如權利要求2的方法，其特征在于，所述構建所述預設可接受度學習模型，包括：

利用m種學習方法對一組已知預測結果的數據C進行計算，得到m個學習模型(B1、B2…Bm)，其中，m為不小于2的整數；

利用所述m個學習模型對所述已知預測結果的數據C進行預測，得到m個預測結果；

根據所述m個預測結果與已知預測結果之間的誤差，確定誤差最小的預測結果對應的學習模型Bx；

利用所述已知預測結果的數據C和所述誤差最小的預測結果對應的學習模型Bx構建可接受度模型構建數據(C，Bx)；

利用所述可接受度模型構建數據(C，Bx)，構建所述預設可接受度學習模型。

4.如權利要求3的方法，其特征在于，所述利用所述可接受度模型構建數據(C，Bx)，構建所述預設可接受度學習模型，包括：

對所述可接受度模型構建數據(C，Bx)進行過擬合處理；

利用后向神經網絡方法對所述過擬合處理后的可接受度模型構建數據(C，Bx)進行計算，得到所述預設可接受度學習模型。

5.根據權利要求3的方法，其特征在于，所述利用所述可接受度模型構建數據(C，Bx)，構建所述預設可接受度學習模型，還包括：

利用支持向量機模型方法、邏輯回歸模型方法或波爾茲曼機模型方法對所述可接受度模型構建數據集(C，Bx)進行計算，得到所述預設可接受度學習模型。

6.一種數據預測裝置，其特征在于，所述裝置包括：

預測模塊，用于利用n個學習模型(A1、A2…An)對待預測數據D進行預測，得到對應的n個預測結果(R1，R2…Rn)，其中，n為不小于2的整數；

計算模塊，用于利用所述n個學習模型和所述待預測數據D組成n個可接受模型數據{(D，A1)(D，A2)…(D，An)}，利用預設可接受度學習模型計算所述n個可接受模型數據對應的可接受度；

第一確定模塊，用于將可接受度最高的可接受模型數據對應的學習模型Ax確定為目標學習模型；

第二確定模塊，用于將利用所述目標學習模型Ax預測出的預測結果Rx，確定為所述待預測數據D的目標預測結果。

7.如權利要求6的裝置，其特征在于，所述裝置還包括：

構建模塊，用于構建所述預設可接受度學習模型。

8.如權利要求7的裝置，其特征在于，所述構建模塊，包括：

計算子模塊，用于利用m種學習方法對一組已知預測結果的數據C進行計算，得到m個學習模型(B1、B2…Bm)，其中，m為不小于2的整數；

預測子模塊，用于利用所述m個學習模型對所述已知預測結果的數據C進行預測，得到m個預測結果；

確定子模塊，用于根據所述m個預測結果與已知預測結果之間的誤差，確定誤差最小的預測結果對應的學習模型Bx；

第一構建子模塊，用于利用所述已知預測結果的數據C和所述誤差最小的預測結果對應的學習模型Bx構建可接受度模型構建數據(C，Bx)；

第二構建子模塊，用于利用所述可接受度模型構建數據(C，Bx)，構建所述預設可接受度學習模型。

9.如權利要求8的裝置，其特征在于，所述第二構建子模塊，用于：

對所述可接受度模型構建數據(C，Bx)進行過擬合處理；

利用后向神經網絡方法對所述過擬合處理后的可接受度模型構建數據(C，Bx)進行計算，得到所述預設可接受度學習模型。

10.根據權利要求8的裝置，其特征在于，所述第二構建子模塊，還用于：

利用支持向量機模型方法、邏輯回歸模型方法或波爾茲曼機模型方法對所述可接受度模型構建數據集(C，Bx)進行計算，得到所述預設可接受度學習模型。