[發明專利]一種時間序列層級預測方法

在審

• 申請號: 202211651100.1
• 申請日: 2022-12-21
• 公開（公告）號: CN116128112A
• 公開（公告）日: 2023-05-16
• 發明（設計）人: 周韶寧;張硯冰;張芒粒;丁聰;諸伊娜
• 申請（專利權）人: 浙江百世技術有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04
• 代理公司: 杭州信與義專利代理有限公司 33450
• 代理人: 馬育妙

本發明公開了一種時間序列層級預測方法，屬于數據預測技術領域。方法包括：構建層級結構的結構矩陣、聚合矩陣和聚合約束；對層級結構中的底層序列進行預測，得到底層序列對應的預測結果求解底層序列的殘差平方和；引入正則項量化層級結構中的上層序列的預測誤差；合并殘差平方和和正則項作為預測模型更新后的優化目標，并根據優化目標更新模型參數；利用更新的模型參數Θsupgt;*/supgt;，對層級結構的各層級進行數據預測。本發明通過引入正則項對角矩陣Λ調和底層序列預測和上層序列預測，預測模型同時考慮了層級間序列的結構關系，使得整體預測效果大幅提升。

技術領域

本發明涉及數據預測技術領域，具體涉及一種時間序列層級預測方法。

背景技術

在很多場景中，時間序列數據具有層級結構。以物流場景為例，按照每天統計貨量可以構成時間序列，統計維度可以有全國、省份、城市維度，一個省份的貨量等于該省份各城市貨量之和，全國的貨量等于各省份貨量之和，全國、省份、城市的貨量時間序列的這種關系構成層級結構。物流貨量數據預測對物流網絡規劃有重要的指導意義。考慮到貨量具有波動性，較低層級的波動性較大，預測難度較大，越向上匯集，得到的上層序列波動性較低，預測難度降低，而物流貨量預測需要對各層級貨量做出預測，同時要保證各層級預測數據的一致性，即高層級預測貨量要等于相鄰低層級貨量匯總之和。如果對各層級時間序列進行預測，得到的預測結果并不一定能保證層級間的一致性。

為了解決預測結果在各層級間不一致的問題，現有方法主要采取以下3種方式：

1.從底層向上層進行預測。首先使用統計模型或機器學習模型預測最底層的時間序列，然后向上匯集，得到上層各序列預測數據；

2.自上層向下層進行預測。首先使用統計模型或機器學習模型預測最頂層的時間序列，然后根據低層級各序列占比進行拆分，得到下面層級的預測數據；

3.混合方式。此方式適合三個層級(含)以上的結構，選擇一個中間層級，對該層級時間序列數據進行預測，然后分別向上匯總、向下拆分進行預測；

但這3種方式其實本質上是對某一層級的序列進行預測，然后通過匯聚或拆分得到上層/下層預測結果，并未考慮層級間序列的結構關系，導致對各層級的預測結果不夠準確。

發明內容

本發明以在兼顧預測結果在各層級間的一致性的前提下，提高對各層級預測結果的準確性為目的，提供了一種時間序列層級預測方法。

為達此目的，本發明采用以下技術方案：

提供一種時間序列層級預測方法，包括：

構建層級結構的結構矩陣、聚合矩陣和聚合約束；

對所述層級結構中的底層序列進行預測，得到所述底層序列對應的預測結果

求解所述底層序列的殘差平方和；

引入正則項量化所述層級結構中的上層序列的預測誤差；

合并所述殘差平方和和所述正則項作為預測模型更新后的優化目標，并根據所述優化目標更新模型參數；

利用更新的模型參數Θ^*，對所述層級結構的各層級進行數據預測。

作為優選，所述層級結構的結構矩陣H通過下式表達：

H：＝(h_ki)_(,)∈(\)×B

N表示所述層級結構的所有的序列集合；

B表示所述層級結構的底層的序列集合；

N\B表示集合N減去集合B剩余的除底層外的其他上層序列集合；