[發明專利]用戶規模預測方法、裝置、電子設備及存儲介質

在審

• 申請號: 202010910917.0
• 申請日: 2020-09-02
• 公開（公告）號: CN112149880A
• 公開（公告）日: 2020-12-29
• 發明（設計）人: 孫雅婷;吳潔璇;梅錚;柯于皇;楊猛;江勇;李元鋒;張媛
• 申請（專利權）人: 中移（杭州）信息技術有限公司;中移動信息技術有限公司;中國移動通信集團有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q30/02
• 代理公司: 上海晨皓知識產權代理事務所(普通合伙) 31260
• 代理人: 成麗杰

1.一種用戶規模預測方法，其特征在于，所述方法包括：

獲取歷史用戶規模時序數據和內、外部因素時序數據；

計算所述歷史用戶規模時序數據和所述內、外部因素時序數據的稀疏因果關系；

根據所述稀疏因果關系建立用戶規模預測模型；

利用所述稀疏因果關系及所述用戶規模預測模型預測得到用戶規模值。

2.根據權利要求1所述的用戶規模預測方法，其特征在于，所述計算所述歷史用戶規模時序數據和所述內、外部因素時序數據的稀疏因果關系，包括：

對所述歷史用戶規模時序數據和所述內、外部因素時序數據進行平穩性處理，得到標準平穩數據集；

對所述標準平穩數據集進行數據相關性檢測，得到相關平穩數據集和第一非相關平穩數據集；

根據所述第一非相關平穩數據集得到所述稀疏因果關系。

3.根據權利要求2所述的用戶規模預測方法，其特征在于，所述對所述標準平穩數據集進行數據相關性檢測，得到相關平穩數據集和所述第一非相關平穩數據集，包括：

使用所述標準平穩數據集構建最小絕對收縮選擇模型；

根據十折交叉驗證法擬合所述最小絕對收縮選擇模型，得到擬合參數；

根據所述擬合參數和所述標準平穩數據集構建稀疏滑動平均模型；

根據所述稀疏滑動平均模型內的模型系數，將所述標準平穩數據集劃分為所述相關平穩數據集和所述第一非相關平穩數據集。

4.根據權利要求3所述的用戶規模預測方法，其特征在于，所述根據所述稀疏因果關系建立用戶規模預測模型包括：

根據所述稀疏滑動平均模型構建原始用戶規模預測模型；

對所述原始用戶規模預測模型的內部參數進行參數估計，得到初級用戶規模預測模型；

對所述初級用戶規模預測模型進行模型校驗得到校驗值，并根據所述校驗值對所述初級用戶規模預測模型的內部參數進行更新，直到所述校驗值滿足預設標準值；

根據滿足所述預設標準值的校驗值對應的內部參數，構建所述用戶規模預測模型。

5.根據權利要求4所述的用戶規模預測方法，其特征在于，所述對所述原始用戶規模預測模型的內部參數進行參數估計，包括：

計算所述原始用戶規模預測模型的擬合殘差平方和；

以所述擬合殘差平方和為約束條件，根據普通最小二乘估計法對所述原始用戶規模預測模型的內部參數進行參數估計。

6.根據權利要求2所述的用戶規模預測方法，其特征在于，所述對所述歷史用戶規模時序數據和所述內、外部因素時序數據進行平穩性處理，得到標準平穩數據集，包括：

對所述歷史用戶規模時序數據和所述內、外部因素時序數據內每個數據進行迪基-富勒檢驗，得到迪基-富勒檢驗值；

將小于或等于預設臨界值的迪基-富勒檢驗值對應的數據匯集為平穩指標集；

將大于所述預設臨界值的迪基-富勒檢驗值對應的數據匯集為非平穩指標集；

對所述非平穩指標集進行平穩性轉變，將平穩性轉變之后的非平穩指標集和所述平穩指標集匯總得到所述標準平穩數據集。

7.根據權利要求2至6中任意一項所述的用戶規模預測方法，其特征在于，所述利用所述稀疏因果關系及所述用戶規模預測模型預測得到用戶規模值，包括：

對所述相關平穩數據集進行殘差擬合，得到殘差擬合值；

計算所述殘差擬合值的方差，并根據所述方差得到條件格蘭杰因果數據值；

判斷所述條件格蘭杰因果數據值的顯著性，根據所述顯著性判斷結果，從所述相關平穩數據集中篩選出第二非相關平穩數據集；

利用所述第一非相關平穩數據集和所述第二非相關平穩數據集及所述用戶規模預測模型，得到用戶規模值。