[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

技術領域

本申請涉及數據處理領域，尤其涉及一種基于歷史數據的預測方法及裝置。

背景技術

目前有很多應用場景需要按照一定規律基于歷史數據對未來的數據進行預測，例如基于應用程序的歷史上線人數預測未來某個時間點或某些時間點的上線人數，以便適應性的增加或減少相應的計算機資源，或者推送某些業務等等。再例如，基于歷史網絡流量數據預測未來網絡流量數據，或基于歷史網絡延遲數據預測未來的網絡延遲數據。

現有的比較流行的預測方法是回歸分析法，通過分析找到歷史的預測數據與其相關的歷史數據的函數表達式，即回歸函數。當進行實際預測時，將與實際預測數據相關的數據代入到回歸函數中，求出實際預測數據。

然而，回歸分析法進行預測的精確度取決于回歸函數，當歷史數據的規律較為復雜時，可能無法找到擬合度較高的回歸函數，這種情況下回歸預測結果的精確度就不夠理想。

發明內容

為了解決現有技術存在的技術問題，本申請提供了一種基于歷史數據的預測方法及裝置，有效提高了預測結果的精確度。

本申請實施例提供了一種基于歷史數據的預測方法，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。

可選的，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。

可選的，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。

可選的，所述激活函數包括：sigmoid函數、tanh函數、relu函數、leakyrule函數或maxout函數。

可選的，所述優化算法包括：adam算法、SGD算法或Momentum算法。

本申請實施例還提供了一種基于歷史數據的預測裝置，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。

可選的，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。

可選的，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。