[發明專利]一種數據預測方法及裝置

在審

• 申請號: 201710874407.0
• 申請日: 2017-09-25
• 公開（公告）號: CN107590569A
• 公開（公告）日: 2018-01-16
• 發明（設計）人: 張娜娜
• 申請（專利權）人: 山東浪潮云服務信息科技有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06F17/30;G06K9/62
• 代理公司: 濟南信達專利事務所有限公司37100
• 代理人: 李世喆

技術領域

本發明涉及計算機技術領域，特別涉及一種數據預測方法及裝置。

背景技術

基于以往的相關歷史數據，可以對待預測數據進行預測。比如，待預測數據可以為節假日旅游地客流量、高速公路客流量、網站訪問概率等。

目前，可以對待預測數據的相關歷史數據計算平均值，這一平均值即可以預測出的數據。

但是，單純的平均值計算通常會造成所預測出的數據的準確性較低。

發明內容

本發明提供了一種數據預測方法及裝置，能夠提高所預測出的數據的準確性。

為了達到上述目的，本發明是通過如下技術方案實現的：

一方面，本發明提供了一種數據預測方法，包括：

S1：根據當前待預測數據的相關歷史數據，獲得測試數據、訓練數據集和基于所述訓練數據集的至少兩個訓練模型；

S2：針對所述至少兩個訓練模型中的每一個訓練模型均執行：將所述訓練數據集代入當前訓練模型，以獲得所述測試數據的第一預測結果；通過對比所述測試數據和所述第一預測結果，確定所述當前訓練模型的權重；

S3：根據所述訓練數據集、所述測試數據、所述至少兩個訓練模型和每一個所述訓練模型當前的權重，執行加權求和處理以確定所述當前待預測數據。

進一步地，所述S1包括：采集當前待預測數據的相關歷史數據；將所述相關歷史數據劃分為測試數據和包括有至少兩個訓練數據的訓練數據集；對所述訓練數據集進行分組處理，以獲得至少兩個訓練數據子集，其中，所述訓練數據子集中的訓練數據的個數不大于所述訓練數據集中的訓練數據的個數；針對所述至少兩個訓練數據子集中的每一個訓練數據子集均執行：訓練當前訓練數據子集對應的訓練模型。

進一步地，在所述S3之前還包括：根據所述訓練數據集、所述至少兩個訓練模型和每一個所述訓練模型當前的權重，執行加權求和處理以確定所述測試數據的第二預測結果；通過對比所述測試數據和所述第二預測結果，對每一個所述訓練模型當前的權重進行調整替換。

進一步地，在所述S3之后還包括：確定所述當前待預測數據對應的真實值；通過對比所述當前待預測數據和所述真實值，對每一個所述訓練模型當前的權重進行調整替換；根據所述訓練數據集、所述測試數據、所述真實值、所述至少兩個訓練模型和每一個所述訓練模型當前的權重，執行加權求和處理以確定下一個待預測數據。

進一步地，每一個所述訓練模型當前的權重的加和等于1。

進一步地，所述訓練模型為SVR(support vector regression，支持向量回歸)模型；

所述當前待預測數據、所述測試數據和所述訓練數據集中的每一個訓練數據均為客流量數據。

另一方面，本發明提供了一種數據預測裝置，包括：

第一處理單元，用于根據當前待預測數據的相關歷史數據，獲得測試數據、訓練數據集和基于所述訓練數據集的至少兩個訓練模型；

第二處理單元，用于針對所述至少兩個訓練模型中的每一個訓練模型均執行：將所述訓練數據集代入當前訓練模型，以獲得所述測試數據的第一預測結果；通過對比所述測試數據和所述第一預測結果，確定所述當前訓練模型的權重；

第三處理單元，用于根據所述訓練數據集、所述測試數據、所述至少兩個訓練模型和每一個所述訓練模型當前的權重，執行加權求和處理以確定所述當前待預測數據。

進一步地，所述第一處理單元，具體用于采集當前待預測數據的相關歷史數據；將所述相關歷史數據劃分為測試數據和包括有至少兩個訓練數據的訓練數據集；對所述訓練數據集進行分組處理，以獲得至少兩個訓練數據子集，其中，所述訓練數據子集中的訓練數據的個數不大于所述訓練數據集中的訓練數據的個數；針對所述至少兩個訓練數據子集中的每一個訓練數據子集均執行：訓練當前訓練數據子集對應的訓練模型。

進一步地，所述第二處理單元，還用于根據所述訓練數據集、所述至少兩個訓練模型和每一個所述訓練模型當前的權重，執行加權求和處理以確定所述測試數據的第二預測結果；通過對比所述測試數據和所述第二預測結果，對每一個所述訓練模型當前的權重進行調整替換。

進一步地，所述第二處理單元，還用于確定所述當前待預測數據對應的真實值；通過對比所述當前待預測數據和所述真實值，對每一個所述訓練模型當前的權重進行調整替換；

所述第三處理單元，還用于根據所述訓練數據集、所述測試數據、所述真實值、所述至少兩個訓練模型和每一個所述訓練模型當前的權重，執行加權求和處理以確定下一個待預測數據。