[發明專利]一種時序數據預測的模型創建方法及裝置

有效

• 申請號: 201811599776.4
• 申請日: 2018-12-26
• 公開（公告）號: CN109933834B
• 公開（公告）日: 2023-06-27
• 發明（設計）人: 金鑫
• 申請（專利權）人: 創新先進技術有限公司
• 主分類號: G06F30/3312
• 分類號: G06F30/3312
• 代理公司: 北京三友知識產權代理有限公司 11127
• 代理人: 李輝

1.一種時序數據預測的模型創建方法，包括：

根據獲取到的待預測的時序數據生成模型特征；其中，所述模型特征包括日期模型特征和/或統計特征；

利用所述模型特征對構建的模型庫中的待選模型進行模型訓練，其中，模型訓練包括：進行多輪模型訓練，根據上一輪模型訓練結果，設置下一輪模型訓練的待選模型的時間資源，模型訓練結果不同的待選模型的時間資源不同；

將模型訓練結果符合預設要求的待選模型，作為所述待預測的時序數據的預測模型。

2.如權利要求1所述的方法，所述根據獲取到的待預測的時序數據生成模型特征，包括：

在建立的特征指標數據庫中搜索與所述待預測的時序數據相關聯的特征指標數據，將所述相關聯的特征指標數據作為所述模型特征。

3.如權利要求1所述的方法，所述根據獲取到的待預測的時序數據生成模型特征，包括：

根據所述待預測的時序數據的日期特征生成對應的日期模型特征，將所述日期模型特征作為所述模型特征；

和/或，根據所述待預測的時序數據的預測周期，利用滑動窗口，獲得滑動窗口內的數據的統計特征，將所述統計特征作為所述模型特征。

4.如權利要求1所述的方法，所述根據上一輪模型訓練結果，設置下一輪模型訓練的待選模型的時間資源，包括：

選擇上一輪模型訓練結果排在前預設名次的待選模型進行下一輪的模型訓練；

設置進入下一輪模型訓練的所述待選模型的時間資源，利用所述模型特征按照所述時間資源對所述待選模型進行模型訓練，直至進行模型訓練的待選模型的數量符合預設的數量要求，或模型訓練的次數符合預設次數要求。

5.如權利要求1所述的方法，所述根據上一輪模型訓練結果，設置下一輪模型訓練的待選模型的時間資源，包括：

根據上一輪模型訓練結果對所述待選模型分組，為不同組別的待選模型設置不同的時間資源；

利用所述模型特征按照對應的時間資源，分別對不同組別的待選模型進行下一輪的模型訓練，直至模型訓練的次數符合預設次數要求。

6.如權利要求1所述的方法，所述利用所述模型特征對構建的模型庫中的待選模型進行模型訓練，包括：

在模型訓練時，利用分布式貝葉斯優化法對所述待選模型進行參數調優，調整所述待選模型的超參數，其中，所述分布式貝葉斯優化法包括多個計算資源，利用不同的計算資源分別對所述待選模型進行模型訓練。

7.如權利要求1所述的方法，所述方法還包括：

將所述預測模型進行模型融合，獲得所述待預測的時序數據的預測結果。

8.如權利要求1所述的方法，所述方法還包括：

采用模型篩選法或統計篩選法對生成的所述模型特征進行特征篩選，利用篩選后的模型特征對所述待選模型進行模型訓練。

9.一種時序數據預測的模型創建裝置，包括：

特征生成模塊，用于根據獲取到的待預測的時序數據生成模型特征；其中，所述模型特征包括日期模型特征和/或統計特征；

模型篩選模塊，用于利用所述模型特征對構建的模型庫中的待選模型進行模型訓練，其中，模型訓練包括：進行多輪模型訓練，根據上一輪模型訓練結果，設置下一輪模型訓練的待選模型的時間資源，模型訓練結果不同的待選模型的時間資源不同；

模型確定模塊，用于將模型訓練結果符合預設要求的待選模型，作為所述待預測的時序數據的預測模型。

10.如權利要求9所述的裝置，所述特征生成模塊具體用于：

在建立的特征指標數據庫中搜索與所述待預測的時序數據相關聯的特征指標數據，將所述相關聯的特征指標數據作為所述模型特征。