[發明專利]時間序列模型的周期項參數優化方法、裝置、計算機設備

在審

• 申請號: 202010588652.7
• 申請日: 2020-06-24
• 公開（公告）號: CN113837782A
• 公開（公告）日: 2021-12-24
• 發明（設計）人: 戴妍妍;杜堃;劉星宇;幺忠瑋;肖沙沙;石穎;金晶
• 申請（專利權）人: 上海順如豐來技術有限公司
• 主分類號: G06Q30/02
• 分類號: G06Q30/02
• 代理公司: 廣州華進聯合專利商標代理有限公司 44224
• 代理人: 聶榕

1.一種時間序列模型的周期項參數優化方法，其特征在于，所述方法包括：

獲取表征商品歷史銷量的時間序列數據，根據所述時間序列數據的時長對所述時間序列數據進行分割，得到用于優化所述周期項參數的訓練集和驗證集；

當根據所述訓練集和所述驗證集確定所述時間序列數據存在周期性時，確定所述時間序列數據的周期類型；

根據所述周期類型獲取所述時間序列模型中周期項參數對應的初始搜索區間值；

基于貝葉斯信息準則，在所述初始搜索區間值遍歷所述周期項參數對應的各貝葉斯信息量值，根據所述貝葉斯信息量值確定所述周期項參數的目標參數值。

2.根據權利要求1所述的方法，其特征在于，所述基于貝葉斯信息準則，在所述初始搜索區間值遍歷所述周期項參數對應的各貝葉斯信息量值，根據各所述貝葉斯信息量值確定所述周期項參數的目標參數值，包括：

基于貝葉斯信息準則，在所述初始搜索區間值遍歷所述周期項參數對應的各貝葉斯信息量值，確定當前數值最小的貝葉斯信息量值；

根據所述當前數值最小的貝葉斯信息量值確定所述周期項參數的目標參數值。

3.根據權利要求2所述的方法，其特征在于，所述方法還包括：

若各所述貝葉斯信息量值在所述初始搜索區間值不滿足單調遞增函數關系，獲取所述周期項參數的單調遞增長度值和周期項參數閾值；

根據所述單調遞增長度值和周期項參數閾值更新所述初始搜索區間，得到更新搜索區間；

以所述當前數值最小的貝葉斯信息量值對應的周期項參數的參數值為起始點，預設步長值增加所述周期項參數的參數值，基于所述基于貝葉斯信息準則，在所述更新搜索區間遍歷所述周期項參數對應的各候選貝葉斯信息量值；

若各所述候選貝葉斯信息量值大于或等于所述當前數值最小的貝葉斯信息量值，則不更新所述目標參數值；

若各所述候選貝葉斯信息量值中存在小于所述當前數值最小的貝葉斯信息量值時，確定所述數值最小的候選貝葉斯信息量值對應周期項參數值的候選參數值，將所述候選參數值作為目標參數值。

4.根據權利要求1所述的方法，其特征在于，所述方法還包括：

基于貝葉斯信息準則，在所述初始搜索區間值遍歷所述周期項參數對應的貝葉斯信息量值；

若所述貝葉斯信息量值在所述初始搜索區間值滿足單調遞增函數關系，將數值最小的貝葉斯信息量值對應的周期項參數的參數值作為目標參數值。

5.根據權利要求1所述的方法，其特征在于，所述根據所述時間序列數據的時長對所述時間序列數據進行分割，得到用于優化所述周期項參數的訓練集和驗證集，包括：

根據所述時長對應的預設總時長區間，確定訓練集和驗證集的分割比值；

根據所述分割比值對所述時間序列數據進行分割，得到用于優化所述周期項參數的訓練集和驗證集。

6.根據權利要求1所述的方法，其特征在于，所述時間序列數據存在周期性的確定方法包括：

獲取所述時間序列模型中的周期性模型，通過所述訓練集訓練所述周期性模型，得到訓練好的周期性模型；

通過所述驗證集對所述訓練好的周期性模型進行驗證，得到周期參數組集；

若根據評價指標從所述周期參數組集中存在所述訓練好的周期性模型的目標周期參數組，確定所述時間序列數據存在周期性。

7.根據權利要求1至4任意一項所述的方法，其特征在于，所述方法還包括：

根據所述目標參數值和所述周期性模型的周期長度對周期模型中的參數進行擬合，得到所述周期性模型的估計參數值組，確定目標周期性模型，得到目標時間序列模型。

8.根據權利要求1所述的方法，其特征在于，所述方法還包括：

獲取用于預測商品銷量的預測時間序列數據和預測時間段；

確定所述預測時間序列數據的預測顆粒度；

將所述預測時間序列數據輸入至所述目標時間序列模型中，根據所述預測顆粒度確定在商品所述預測時間段的預測銷量值。