[發明專利]一種數據存儲空間可使用時間的預測方法

在審

• 申請號: 202010579971.1
• 申請日: 2020-06-23
• 公開（公告）號: CN111752903A
• 公開（公告）日: 2020-10-09
• 發明（設計）人: 崖飛虎;周可;謝健;邸帥;盧道和
• 申請（專利權）人: 深圳前海微眾銀行股份有限公司
• 主分類號: G06F16/172
• 分類號: G06F16/172;G06K9/62;G06N20/00;H04L29/08
• 代理公司: 北京同達信恒知識產權代理有限公司 11291
• 代理人: 張懷陽

1.一種數據存儲空間可使用時間的預測方法，其特征在于，包括：

獲取數據存儲空間的剩余可用存儲空間；

確定所述剩余可用存儲空間是否大于第一閾值，若是，則獲取預測天數；將所述預測天數輸入到預測模型中，得到預測日增長量；其中，預測模型是對訓練樣本進行訓練學習得到的；

判斷所述預測日增長量是否大于第二閾值，若大于所述第二閾值，則將所述剩余可用存儲空間和所述預測日增長量之間的比值確定為所述剩余可用存儲空間的可使用天數。

2.如權利要求1所述的方法，其特征在于，所述獲取數據存儲空間的剩余可用存儲空間，包括：

將所述數據存儲空間與所述安全閾值的乘積確定為安全存儲空間；

將所述數據存儲空間與所述安全存儲空間的差值確定為隱患存儲空間；

將所述數據存儲空間的剩余存儲空間與所述隱患存儲空間的差值確定為所述剩余可用存儲空間。

3.如權利要求1所述的方法，其特征在于，所述對訓練樣本進行訓練學習得到所述預測模型，包括：

獲取所述訓練樣本的數據集；

將所述訓練樣本的數據集中的歷史日增長量為負數的樣本進行刪減，得到剩余的數據集；

根據所述剩余的數據集的均值和標準差進行異常值檢測，將所述異常值進行刪減，確定出所述預設數量的訓練樣本；

將所述訓練樣本進行數據變換，得到模型特征，將所述模型特征輸入到預設模型中進行訓練學習，得到所述預測模型。

4.如權利要求3所述的方法，其特征在于，所述將所述訓練樣本進行數據變換，得到模型特征，包括：

將所述訓練樣本的樣本點的日期距離當前日期的天數確定為所述樣本點的特征輸入值；

將所述訓練樣本中的除最后一個樣本點的任意的樣本點的歷史日增長量和所述樣本點后一個樣本點的歷史日增長量的乘積的均方根確定為所述樣本點的特征輸出值；

將所述最后一個樣本點的歷史日增長量和第一個樣本點的歷史日增長量的乘積的均方根確定為所述最后一個樣本點的特征輸出值；

將所述訓練樣本中各樣本點的所述特征輸入值和所述特征輸出值確定為所述模型特征。

5.如權利要求3所述的方法，其特征在于，所述將所述模型特征輸入到預設模型中進行訓練學習，得到所述預測模型，包括：

將所述模型特征輸入到預設模型中進行第一預設時間的訓練學習，確定預測誤差率；

判斷所述預測誤差率是否小于誤差閾值，若是，則確定所述預設模型達到標準，得到所述預測模型；否則優化所述預設模型，得到所述預測模型。

6.如權利要求5所述的方法，其特征在于，所述確定預測誤差率，包括：

將所述模型特征輸入到預設模型中進行第一預設時間的訓練學習，確定出第二預設時間內任意樣本點的預測日增長量和所述樣本點的歷史日增長量之間的差值；

確定所述差值與所述樣本點的歷史日增長量之間的比值為所述樣本點的誤差率；

確定所述第二預設時間內所有樣本點的誤差率的均值為所述預測模型的預測誤差率。

7.如權利要求5所述的方法，其特征在于，所述優化所述預測模型，包括：

設置所述預測模型的初始值；

對所述訓練樣本進行前向傳播訓練，確定出損失函數；

當模型迭代至預設次數時，且所述損失函數的值小于損失閾值，進行所述預測模型收斂。

8.如權利要求1-7任一項所述的方法，其特征在于，所述方法還包括：

若所述預測日增長量不大于所述第二閾值時，確定出當前日期與前一次確定的可使用天數之間的天數差；

將前一次確定的可使用天數與所述天數差的差值確定為當前日期的所述剩余可用存儲空間的可使用天數。

9.一種計算設備，其特征在于，包括：

存儲器，用于存儲程序指令；

處理器，用于調用所述存儲器中存儲的程序指令，按照獲得的程序執行權利要求1至8任一項所述的方法。

10.一種計算機可讀存儲介質，其特征在于，所述計算機可讀存儲介質存儲有計算機可執行指令，所述計算機可執行指令用于使計算機執行權利要求1至8任一項所述的方法。