[發明專利]一種基于歷史數據的預測方法及裝置

在審

• 申請號: 201710117390.4
• 申請日: 2017-03-01
• 公開（公告）號: CN106909990A
• 公開（公告）日: 2017-06-30
• 發明（設計）人: 雷航;洪楷;劉偉
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06N3/02
• 代理公司: 深圳市深佳知識產權代理事務所(普通合伙)44285
• 代理人: 王仲凱

1.一種基于歷史數據的預測方法，其特征在于，所述方法包括：

獲取預測項的歷史數據，并利用神經網絡系統對所述歷史數據進行訓練，得到預測模型，所述歷史數據包括所述預測項的自身歷史數據和所述預測項的相關歷史數據，所述預測模型反映了所述自身歷史數據與相關歷史數據之間的關系；

獲取預測項的相關實際數據，并根據所述相關實際數據以及所述預測模型得到所述預測項的自身實際數據，實現基于所述預測項的歷史數據對自身實際數據的預測，所述相關實際數據的時間點在所述自身實際數據的時間點之前。

2.根據權利要求1所述的方法，其特征在于，所述預測項的相關歷史數據包括以下至少一種：

與所述自身歷史數據相鄰的第一預設個數的時間點的歷史數據、所述自身歷史數據的時間點與相鄰的第一預設個數的時間點的歷史數據差值、與所述自身歷史數據相鄰的第二預設個數的時間點的歷史數據之間的差值。

3.根據權利要求1或2所述的方法，其特征在于，所述神經網絡系統包括輸入層、隱藏層和輸出層；

所述利用神經網絡系統對所述歷史數據進行訓練，得到預測模型包括：

將所述預測項的相關歷史數據輸入到所述輸入層，并經過與所述隱藏層各節點對應的激活函數的計算，輸出中間預測值；

利用所述中間預測值與所述預測項的自身歷史數據之間的差值，以及優化算法對所述激活函數中的權重進行反復修正，直到所述中間預測值與所述自身歷史數據之間的差值在預設范圍之內，得到訓練完成的各節點的激活函數。

4.根據權利要求3所述的方法，其特征在于，所述激活函數包括：sigmoid函數、tanh函數、relu函數、leaky rule函數或maxout函數。

5.根據權利要求3所述的方法，其特征在于，所述優化算法包括：adam算法、SGD算法或Momentum算法。

6.一種基于歷史數據的預測裝置，其特征在于，所述裝置包括：

歷史數據獲取單元、訓練單元以及預測單元；

其中，所述歷史數據獲取單元，用于獲取預測項的歷史數據；

所述訓練單元，用于利用神經網絡系統對所述歷史數據進行訓練，得到預測模型，所述歷史數據包括所述預測項的自身歷史數據和所述預測項的相關歷史數據，所述預測模型反映了所述自身歷史數據與相關歷史數據之間的關系；

所述預測單元，用于獲取預測項的相關實際數據，并根據所述相關實際數據以及所述預測模型得到所述預測項的自身實際數據，實現基于所述預測項的歷史數據對自身實際數據的預測，所述相關實際數據的時間點在所述自身實際數據的時間點之前。

7.根據權利要求6所述的裝置，其特征在于，所述預測項的相關歷史數據包括以下至少一種：

與所述自身歷史數據相鄰的第一預設個數的時間點的歷史數據、所述自身歷史數據的時間點與相鄰的第一預設個數的時間點的歷史數據差值、與所述自身歷史數據相鄰的第二預設個數的時間點的歷史數據之間的差值。

8.根據權利要求1或2所述的裝置，其特征在于，所述神經網絡系統包括輸入層、隱藏層和輸出層；

所述訓練單元包括：計算單元和修正單元；

所述計算單元，用于將所述預測項的相關歷史數據輸入到所述輸入層，并經過與所述隱藏層各節點對應的激活函數的計算，輸出中間預測值；

所述修正單元，用于利用所述中間預測值與所述預測項的自身歷史數據之間的差值，以及優化算法對所述激活函數中的權重進行反復修正，直到所述中間預測值與所述自身歷史數據之間的差值在預設范圍之內，得到訓練完成的各節點的激活函數。

9.根據權利要求8所述的裝置，其特征在于，所述激活函數包括：sigmoid函數、tanh函數、relu函數、leaky rule函數或maxout函數。

10.根據權利要求8所述的裝置，其特征在于，所述優化算法包括：adam算法、SGD算法或Momentum算法。