[發明專利]基于貝葉斯算法的時間序列數據預測方法

在審

• 申請號: 202010772255.5
• 申請日: 2020-08-04
• 公開（公告）號: CN111881188A
• 公開（公告）日: 2020-11-03
• 發明（設計）人: 曲寒冰;路玲玲;趙傳虎;閻剛;于洋;于明
• 申請（專利權）人: 河北工業大學;北京市新技術應用研究所
• 主分類號: G06F16/2458
• 分類號: G06F16/2458;G06F17/18;G06Q10/04
• 代理公司: 天津翰林知識產權代理事務所(普通合伙) 12210
• 代理人: 付長杰

1.一種基于貝葉斯算法的時間序列數據預測方法，該方法包括以下步驟：

S1，處理原始數據，從中提取實驗所需要的數據信息；

S2，在由兩個維度的時間信息形成的二維方格圖上對提取的數據當中的事件信息進行統計，并將統計值作為觀測值，生成一個包含兩種時間信息以及與這兩種不同的時間信息所組成的每一個時間點相對應的觀測值數據框，即得到時間序列數據；

S3，與每一個時間點相對應的觀測值整體上服從泊松分布，采用rw2d模型模擬時間序列數據的趨勢；

S4，利用貝葉斯算法給出rw2d模型參數的先驗分布信息，最后使用集成嵌套拉普拉斯近似算法對rw2d模型參數后驗分布進行估算。

2.根據權利要求1所述的預測方法，其特征在于，所述步驟S2中的數據框表示為:(value,time1,time2)，其中time1和time2代表著不相同維度的時間標簽，將time1代表的時刻作為橫軸，time2所代表的時刻作為縱軸，構建二維方格圖，不同的方格代表著不同的時間點，其中value代表的是與每一個方格相對應的觀測值。

3.根據權利要求2所述的預測方法，其特征在于，time1代表小時，time2代表星期；或者time1代表季度，time2代表年份。

4.根據權利要求2所述的預測方法，其特征在于，所述步驟S3中的與每一個時間點相對應的觀測值整體上服從泊松分布；泊松分布定義為：

y_ij～Possion(λ_ij) (1)

λ_ij＝E(y_ij) (2)

其中，y_ij代表的是與time1的第i個時刻與time2的第j個時刻所組成的時間點相對應的觀測值，λ_ij所代表的是與time1的第i個時刻與time2的第j個時刻所組成的時間點相對應的觀測值的均值。

5.根據權利要求2所述的預測方法，其特征在于，所述步驟S3中的rw2d模型，對于某一時間點所對應的事件信息的預測，是在綜合與其相鄰的上下左右四個時間點的事件信息的基礎上進行的，要實現對(time1,time2)時間點所對應的事件信息的預測需要綜合與其相鄰的(time1-1,time2)，(time1,time2-1)，(time1+1,time2)以及(time1,time2+1)這四個時間點所對應的事件信息。