[發明專利]時間序列模型建立方法、裝置、計算機設備和存儲介質

在審

• 申請號: 201811555066.1
• 申請日: 2018-12-19
• 公開（公告）號: CN109783877A
• 公開（公告）日: 2019-05-21
• 發明（設計）人: 項舒暢;張春玲;羅傲雪;汪偉;肖京
• 申請（專利權）人: 平安科技（深圳）有限公司
• 主分類號: G06F17/50
• 分類號: G06F17/50;G06Q10/04;G06Q10/06
• 代理公司: 廣州華進聯合專利商標代理有限公司 44224
• 代理人: 王寧

本申請涉及一種人工智能技術領域，特別涉及一種時間序列模型建立方法、裝置、計算機設備和存儲介質。所述方法包括：獲取初始時間序列，將初始時間序列分區間；將每個區間進行分段，并對對應分段的數據進行排序，對排序后的區間進行標記，得到順序標識值；根據各個分段的順序標識值計算離散程度值；根據離散程度值計算初始時間序列的周期性指標；獲取周期性指標對應的目標模型權重及建立時間序列模型的標準模型權重，根據目標模型權重調整標準模型權重；根據調整后的標準模型權重以及初始時間序列建立時間序列模型。采用本方法能夠通過初始時間序列的離散程度決定在建立時間序列模型時周期性的權重大小，進而提高了建立時間序列模型的準確性。

技術領域

本申請涉及人工智能技術領域，特別是涉及一種時間序列模型建立方法、裝置、計算機設備和存儲介質。

背景技術

隨著市場經濟的發展，市場發展已經由價格競爭時代進入成本競爭時代，對市場未來走勢的先期判斷，在企業運營管理中越發重要，是否對特定商業數據構建時間序列模型，影響著企業認知機會和把握機遇的能力，構建時間序列模型時需要根據時間序列的趨勢性、季節性、周期性、連續性等性質來建立模型。

但當前在建立時間序列模型時，是簡單的根據分解序列來獲取周期性，并通過獲取到的周期性建立的時間序列模型，這樣導致建立時間序列模型時獲取到的時間序列周期性不夠準確，進而導致建立的事件序列模型不夠準確。

發明內容

基于此，有必要針對上述技術問題，提供一種能夠提高時間序列模型準確性的時間序列模型建立方法、裝置、計算機設備和存儲介質。

一種時間序列模型建立方法，所述方法包括：

獲取初始時間序列，將所述初始時間序列分為若干個區間；

將每個區間進行分段，并對每個區間中對應分段的數據進行排序，對排序后的每一分段的排序順序情況進行標記，得到順序標識值；

根據每個區間中各個分段的順序標識值計算得到每個區間的離散程度值；

根據每個區間的離散程度值計算所述初始時間序列的周期性指標；

獲取所述周期性指標對應的目標模型權重及建立時間序列模型的標準模型權重，根據所述目標模型權重調整所述標準模型權重；

根據所述目標模型權重調整后的標準模型權重以及所述初始時間序列建立時間序列模型。

在其中一個實施例中，所述根據每個區間的離散程度值計算所述初始時間序列的周期性指標，包括：

計算所述每個區間的離散程度值的平均值，并計算所述平均值與預設值的差值；

判斷所述差值是否小于周期標準值；

當所述差值小于周期標準值時，輸出所述初始時間序列周期性強的周期性指標；

當所述差值大于周期標準值時，輸出所述初始時間序列周期性弱的周期性指標。

在其中一個實施例中，所述根據每個區間中各個分段的順序標識值計算得到每個區間的離散程度值之后，還包括：

對所述每個區間的離散程度值進行歸一化處理；

所述根據每個區間的離散程度值計算所述初始時間序列的周期性指標，包括：

根據歸一化后的每個區間的離散程度值計算所述初始時間序列的周期性指標。

在其中一個實施例中，所述將每個區間進行分段之前，還包括：

檢測所述初始時間序列是否完整；

當所述初始時間序列不完整時，獲取所述初始時間序列的中斷點，并對所述初始時間序列中所述中斷點之前區間以及所述中斷點所在區間的數據進行刪除處理。