[發明專利]一種SARIMA模型進行多步預測的方法、裝置及設備

在審

• 申請號: 202110674300.8
• 申請日: 2021-06-17
• 公開（公告）號: CN113343468A
• 公開（公告）日: 2021-09-03
• 發明（設計）人: 張焯;向洋;鐘瑜;嚴駿;曹琳
• 申請（專利權）人: 永輝云金科技有限公司
• 主分類號: G06F30/20
• 分類號: G06F30/20;G06K9/62;G06Q10/04
• 代理公司: 重慶智慧之源知識產權代理事務所(普通合伙) 50234
• 代理人: 余洪;高彬

本發明提供一種SARIMA模型進行多步預測的方法、裝置及設備，該方案通過訓練數據集對SARIMA模型進行訓練得到目標模型，再用目標模型進行單步預測，將單步預測結果作為真值納入訓練數據集中，從而迭代執行建立模型、單步預測和訓練數據集更新的步驟，得到所有單位時間單元的單步預測值，實現了多步預測。通過每次預測都預留原真實訓練數據集，則不存在誤差累加，減少預測誤差，從而提高了預測的精度。

技術領域

本發明涉及大數據技術領域，尤其涉及一種SARIMA模型進行多步預測的方法、裝置及設備。

背景技術

現有的SARIMA模型，即季節性差分自回歸滑動平均模型，在進行多步預測的方法采用的是Recursive Multi-Step Forecast(遞歸多步預測策略)，存在兩個問題：

1.直接的誤差累加，直接單獨使用預測值作為真值進行下一次預測，造成了直接的誤差累加；

2、SARIMA中滑動/移動平均(Moving Average,MA)項以及季節移動平均(SMA，Seasonal Moving Average)項未能起作用，因為預測值作為真值，使得殘差均為0，從而導致預測不準確。

發明內容

基于此，有必要針對上述技術問題，提供一種SARIMA模型進行多步預測的方法、裝置及設備。

一種SARIMA模型進行多步預測的方法，所述方法包括：獲取初始數據集，并對所述初始數據集進行處理得到以單位時間為單元的訓練數據集；根據所述訓練數據集，基于SARIMA模型進行模型訓練，得到目標模型；根據所述目標模型進行單步預測，得到下一單元的單步預測值；將所述單步預測值作為單步真值加入所述訓練數據集中，更新所述訓練數據集；基于更新后的所述訓練數據集，迭代執行上述模型訓練、單步預測和訓練數據集更新步驟，直至得到目標時間段的每個單元的單步預測值。

在其中一個實施例中，所述獲取初始數據集，并對所述初始數據集進行處理得到以單位時間為單元的訓練數據集，具體為：獲取初始數據集；對所述初始數據集進行數據清洗，并以單位時間為單元，進行依次排序得到訓練數據集。

在其中一個實施例中，所述單步預測具體為根據所述目標模型對下一個單位時間單元的數據進行預測。

在其中一個實施例中，所述基于更新后的所述訓練數據集，迭代執行上述模型訓練、單步預測和訓練數據集更新步驟，直至得到目標時間段的每個單元的單步預測值步驟之后，還包括：分別計算所述每個單元的單步預測值的絕對百分比誤差，并計算所有單元的平均絕對百分比誤差；基于所述平均絕對百分比誤差，得到預測效果的評價指標。

在其中一個實施例中，所述評價指標具體為所有平均絕對百分比誤差的中位數。

一種SARIMA模型進行多步預測的裝置，包括數據獲取模塊、模型建立模塊、單步預測模塊、數據更新模塊和迭代預測模塊，其中：所述數據獲取模塊用于，獲取初始數據集，并對所述初始數據集進行處理得到以單位時間為單元的訓練數據集；所述模型建立模塊用于，根據所述訓練數據集，基于SARIMA模型進行模型訓練，得到目標模型；所述單步預測模塊用于，根據所述目標模型進行單步預測，得到下一單元的單步預測值；所述數據更新模塊用于，將所述單步預測值作為單步真值加入所述訓練數據集中，更新所述訓練數據集；所述迭代預測模塊用于，基于更新后的所述訓練數據集，迭代執行上述模型訓練、單步預測和訓練數據集更新步驟，直至得到目標時間段的每個單元的單步預測值。

在其中一個實施例中，所述裝置還包括誤差計算模塊和評價指標模塊：所述誤差計算模塊用于，分別計算所述每個單元的單步預測值的絕對百分比誤差，并計算所有單元的平均絕對百分比誤差；所述評價指標模塊用于，基于所述平均絕對百分比誤差，得到預測效果的評價指標。