[發明專利]一種使用連續分段線性特征的供需市場時序預測方法

在審

• 申請號: 202110368844.1
• 申請日: 2021-04-06
• 公開（公告）號: CN112906990A
• 公開（公告）日: 2021-06-04
• 發明（設計）人: 崔潤鵬;王建強
• 申請（專利權）人: 清華大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q30/02;G06Q30/06
• 代理公司: 北京眾合誠成知識產權代理有限公司 11246
• 代理人: 張文寶

本發明提出了一種使用連續分段線性特征的時間序列預測方法，在存在供需參與者的市場分析領域，需要對市場中的供給、需求、總成交額等目標在未來較長時間內的數值進行預測，目標變量的長期趨勢通常是呈階段性變化。本發明提出了通過獨熱和線性編碼對分段時間序列特征進行構造；為保證模型輸出結果沿時間方向的連續性，構造了帶有線性約束的優化問題；通過擬合歷史數據得到預測模型參數，進而對未來目標數值做出預測并輸出。本發明提出的基于連續分段線性的特征的時間序列預測方法，相較于基于傳統時間特征的預測方法可以較好地解決對供需市場目標變量階段性趨勢的建模和預測。

技術領域

本發明屬于時序預測領域，具體涉及一種使用連續分段線性特征的供需市場時序預測方法。

背景技術

在存在供需參與者的市場分析領域，需要對市場中的供給、需求、總成交額等目標在未來較長時間內的數值進行預測，目標變量的長期趨勢通常是呈階段性變化的。

對于一段由目標變量組成的時間序列y₁，y₂，…，y_T，時間序列預測問題是對其未來長度為H的取值y_T+1，y_T+2，…，y_T+H進行預測。

時間序列預測問題的已知信息除目標變量序列構成的時間序列y₁，y₂，…，y_T之外，還包括靜態特征m，以及已知特征x(t)，t＝1，2，…，T+H。

基于上述已知信息，可以在訓練集合的歷史數據上構造由已知特征到目標值的回歸問題。通過優化含有模型參數的回歸問題，得到由已知特征到目標值的映射關系作為預測模型。在進行預測時，在測試集合上將已知信息輸入預測模型，得到的模型輸出即為預測值。

一般而言，完全已知的特征通常包含星期、季節、年度周期等時間特征。依靠這種傳統的時間特征，可以對目標時間序列以星期、年度為周期的波動進行建模。但是這種方式往往對目標時間序列中普遍存在的階段性趨勢變動缺乏表征能力。進而造成模型缺乏對預測目標較長期趨勢的建模和預測能力；同時由于模型缺乏對趨勢項因素的考慮，造成模型對其他因素的參數估計不準確。

針對上述問題，本發明提出了一種使用連續分段線性特征的時間序列預測方法。該方法相較于基于傳統時間特征的預測方法可以更好地解決對供需市場中目標變量階段性趨勢的建模和預測。

發明內容

針對上述問題，本發明提出了一種使用連續分段線性特征的供需市場時序預測方法，包括如下步驟：

步驟1：對于供需市場上長度為T的目標時間序列y₁，y₂，…，y_T，沿時間軸選取N+1個轉折點1＝s₁＜s₂＜…＜s_N+1＝T，將目標時間序列劃分為N個時間片段；

步驟2：建立供需市場時序預測模型：

其中，f(x(t)，m；θ)為原時序預測問題的參數化模型表示形式，x(t)和靜態特征m為已知特征，θ為該部分模型含有的模型參數向量；g(t；k，b)為含有分段線性特征的模型：

其中k、b為模型參數向量，維數均為N；

其中，為示性函數，α_n(t)和β_n(t)分別為表征第n個時間片段對應的線性和獨熱編碼特征；

步驟3：構造模型連續性約束條件，得到帶有連續性約束的優化問題，對模型進行訓練，通過求解該優化問題，得到優化后的模型參數θ^＊及其中，連續性約束條件為：