[發明專利]一種物聯網時序數據預測方法、系統、裝置及存儲介質

在審

• 申請號: 202111520493.8
• 申請日: 2021-12-13
• 公開（公告）號: CN114492561A
• 公開（公告）日: 2022-05-13
• 發明（設計）人: 賀飛飛;林克;鐘致民;葉青;余冬蘋;賈宇鑫;黃健如;程鈺俊;邢肖寧
• 申請（專利權）人: 天翼物聯科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08
• 代理公司: 廣州嘉權專利商標事務所有限公司 44205
• 代理人: 鄭宏謀

本發明公開了一種物聯網時序數據預測方法、系統、裝置及存儲介質。物聯網時序數據預測方法包括：獲取時序數據集；對時序數據集進行平滑處理，生成第一曲線；根據第一曲線構建函數型時序數據；判斷函數型時序數據是否平穩，若是，則對函數型時序數據進行函數型主成分分析，生成第二曲線；根據第二曲線，進行時序數據的預測。本發明通過將時序數據集轉化為具有時間相依性的函數型時序數據，有效解決了物聯網高頻數據存在的數據量大、信息損失和變化復雜的問題；通過對函數型時序數據進行函數型主成分分析，解決了無限維的函數型時序數據特征提取困難的問題，實現了良好的模型泛化能力和精確的長期預測精度，本發明可廣泛應用于物聯網技術領域。

技術領域

本申請涉及物聯網技術領域，尤其是一種物聯網時序數據預測方法、系統、裝置及存儲介質。

背景技術

物聯網技術在面向交通、能源、農業、環境監測等領域時，通常需要通過各種傳感設備實時采集大量數據，使得不同領域下不同類型的數據呈現爆炸式的增長，同時也對大數據的決策支持提出了更高的要求。在此基礎上，傳統的時序數據預測方法已難以處理海量且變化復雜的時序數據。同時，傳統的時序數據預測方法多采用低頻數據，未能充分應用數據信息更豐富的高頻數據。此外，對于采集頻率極高的物聯網時序數據，傳統的時序數據預測方法也不能很好地利用高頻時序數據之間的內在波動信息和長期依賴關系，處理高頻時序數據的效果也不是很理想。

現有物聯網時序數據預測模型多采用統計學上的傳統時間序列方法或者人工神經網絡模型。該模型需要大量的假設條件，一般只能進行短期預測，并且大多局限于物聯網中的單點分析場景。隨著物聯網技術的發展，上述預測技術已經無法分析日益復雜的物聯網時序數據，難以滿足長期預測的要求。

發明內容

本發明的目的在于至少一定程度上解決現有技術中存在的技術問題之一。

為此，本發明實施例的一個目的在于提供一種物聯網時序數據預測方法，該方法實現了函數型時序數據預測，具有良好的模型泛化能力和精確的長期預測精度。

本發明實施例的另一個目的在于提供一種物聯網時序數據預測系統。

為了達到上述技術目的，本發明實施例所采取的技術方案包括：

第一方面，本發明實施例提供了一種物聯網時序數據預測方法，包括以下步驟：

獲取時序數據集，所述時序數據集中包括時序數據；

對所述時序數據集進行平滑處理，生成第一曲線；

根據所述第一曲線構建函數型時序數據；

判斷所述函數型時序數據是否平穩，若是，則對所述函數型時序數據進行函數型主成分分析，生成第二曲線；

根據所述第二曲線，進行所述時序數據的預測。

本發明實施例的一種物聯網時序數據預測方法，通過將時序數據集轉化為具有時間相依性的函數型時序數據，有效解決了物聯網高頻數據存在的數據量大、信息損失和變化復雜的問題；通過對函數型時序數據進行函數型主成分分析，對函數型時序數據進行降維，解決了無限維的函數型時序數據特征提取困難的問題，并且函數型主成分分析后的函數型時序數據預測具有良好的模型泛化能力和精確的長期預測精度。

另外，根據本發明上述實施例的一種物聯網時序數據預測方法，還可以具有以下附加的技術特征：

進一步地，本發明實施例的一種物聯網時序數據預測方法中，所述獲取時序數據集，包括：

采集所述時序數據；

根據所述時序數據構建所述時序數據集。

進一步地，在本發明的一個實施例中，所述對所述時序數據集進行平滑處理，生成第一曲線，包括：

確定基函數；