本发明专利技术公开了一种时间序列处理方法及装置，所述方法包括分析第一时间序列，获取至少一个与所述第一时间序列相关的第二时间序列；对所述第二时间序列进行多元回归处理，获得以所述第二时间序列为因变量且拟合序列为自变量的第一函数；根据所述第一函数计算出对应于所述第一时间序列的拟合序列；检验所述拟合序列与所述第一时间序列的差异；所述拟合序列与所述第一时间序列的差异不大于阈值时，求取拟合序列与第一时间序列的残差序列；对所述残差序列进行平稳化处理，获取对应于所述残差序列的平稳序列对所述平稳序列进行自回归移动平均处理，获取关于平稳序列中前后两元素关系的第二函数；根据第一函数及第二函数，获取预测时间的预测结果。
【技术实现步骤摘要】
本专利技术涉及数据处理领域的序列处理技术，尤其涉及一种时间序列处理方法及装 置。
技术介绍
时间序列就是将某种统计指标的数值，按时间先后顺序排列所形成的数列。基于 时间序列的预测方法就是通过编制和分析时间序列，根据时间序列所反映出来的发展过 程、方向和趋势，进行类推或延伸，借以预测下一段时间或以后若干年内可能达到的水平。 在实际应用中，大多数时间序列存在与其具有相关性的其它时间序列，而且呈现出非平稳 的特征，通过对这类时间序列进行预测，可以及时发现一些已存在的趋势，进而提前对潜在 的风险采取一定的措施，减少可能的损失；而且通过预测，可以辅助决策，提高效益。 时间序列预测在诸多领域都得到广泛的应用，目前其应用最普遍的是一元时间序 列预测，但实际应用中很多序列的变化规律都受到其它序列的影响，这就要求不能单独分 析单序列本身随时间的变化趋势，而要综合考虑其它序列的作用。多时序数据之间可能存 在因果、协同、正相关或者负相关等影响，比如，高校里面的在校研究生数量的时间序列和 导师数量的时间序列是互相影响，若导师数量增长，研究生数量也会因此同时增长，它们是 因果关系；公园的游客数量的时间序列会受到天气的时间序列的影响，若天气较差，游客数 量会减少。若天气较好，游客数量会相对增长，它们之间是正相关的；某公司经营分析系统 的某些关键指标也是时间序列，其中"每日第一服务商新增用户数"与"每日第二服务商新 增用户数"、"每日第三服务商新增用户数"之间的关系属于协同关系，因为第一、第二以及 第三服务商这三家运营商之间存在竞争，若第一服务上和第二服务商的新增用户数发生变 化，第三的新增用户数定会受其影响。此外，许多时间序列都是非平稳序列，这些非平稳序 列有随时间变化的均值或二阶矩。 现有的大部分时序数据预测方法只考虑了单时序本身的情况，考虑因素不够准确 (并未考虑与其具有相关性的时间序列的影响)，且未对非平稳性进行处理(非平稳数据不 适合做回归分析，会造成建模不准确)。因此，如果按照现有方法对它们进行预测，会出现预 测精度不高，影响决策者的经营判断。
技术实现思路
有鉴于此，本专利技术实施例提供一种时间序列处理方法及装置，以提高时间处理序 列处理结果的精确度。 为达到上述目的，本专利技术的技术方案是这样实现的： 本专利技术第一方面提供一种时间序列处理方法，所述方法包括： 分析第一时间序列，获取至少一个与所述第一时间序列相关的第二时间序列； 对所述第二时间序列进行多元回归处理，获得以所述第二时间序列为因变量且拟 合序列为自变量的第一函数； 根据所述第一函数计算出对应于所述第一时间序列的拟合序列； 检验所述拟合序列与所述第一时间序列的差异； 所述拟合序列与所述第一时间序列的差异不大于阈值时，求取所述拟合序列与所 述第一时间序列的残差序列； 对所述残差序列进行平稳化处理，获取对应于所述残差序列的平稳序列； 对所述平稳序列进行自回归移动平均处理，获取关于平稳序列中前后两元素关系 的第二函数； 根据所述第一函数及所述第二函数，获取预测时间的预测结果。 优选地，所述检验所述拟合序列与所述第一时间序列的差异为： 利用F检验处理所述检验拟合序列与所述第一时间序列获取差异。 优选地，所述对所述残差序列进行平稳化处理，获取对应于所述残差序列的平稳 序列包括： 步骤Sl:对残差序列进行差分处理，获取第一差分序列； 步骤S2 :对所述第一差分序列进行平稳性检验，若检验通过，则所述第一差分序 列为所述平稳序列；若检验未通过，则执行步骤S3至步骤S4 ; 步骤S3 :对第n差分序列进行差分处理，获取第n+1差分序列；其中，所述n为不 小于1的整数； 步骤S4 :对所述第n差分序列进行平稳性检验，若检验通过，则所述第n差分序列 为所述平稳序列，若检验未通过，则返回步骤S3。 优选地，所述步骤S2中采用DFDF检验对所述第一差分序列进行平稳性检验；所述 步骤S4中采用DFDF检验对所述第n差分序列进行平稳性检验。 优选地，所述对所述平稳序列进行自回归移动平均处理，获取关于平稳序列中前 后两元素关系的第二函数包括： 计算平稳序列的自相关函数与偏自相关函数； 根据所述自相关函数与所述偏自相关函数的拖尾和截尾状况，确定自回归模型的 阶数和移动平均模型的阶数； 利用所述平稳序列的自协方差函数、自相关函数、自回归模型的阶数以及自回归 模型，求解出自回归模型中一次残差函数的一次残差估计参数，并根据所述一次残差函数 形成残差估计序列； 根据所述残差序列与所述残差估计序列之间的离差平方、移动平均模型的阶数以 及移动平均模型，获取关于所述残差估计参数的二次残差函数； 将所述二次残差函数替换所述一次残差函数中的依次参数估计参数，形成所述第 二函数。 本专利技术第二方面提供一种时间序列处理装置，所述装置包括： 获取单元，用以分析第一时间序列，获取至少一个与所述第一时间序相关的第二 时间序列； 多元回归处理单元，用以对所述第二时间序列进行多元回归处理，获得以所述第 二时间序列为因变量且拟合序列为自变量的第一函数； 拟合序列形成单元，用以根据所述第一函数计算出对应于所述第一时间序列的拟 合序列； 检验单元，用以检验所述拟合序列与所述第一时间序列的差异： 残差序列求取单元，用以在拟合序列与所述第一时间序列的差异不大于阈值时， 求取所述拟合序列与所述第一时间序列的残差序列； 平稳序列求取单元，用以对所述残差序列进行平稳化处理，获取对应于所述残差 序列的平稳序列；自回归移动平均处理单元，用以对所述平稳序列进行自回归移动平均处理，获取 关于平稳序列中前后两元素关系的第二函数； 预测单元，用以根据所述第一函数与所述第二函数，获取预测时间的预测结果。 进一步地，所述检验单元，具体用以利用F检验处理所述检验拟合序列与所述第 一时间序列获取差异。 进一步地，所述平稳序列求取单元包括： 第一差分处理模块，用以对残差序列进行差分处理，获取第一差分序列； 第一检验模块，用以对所述第一差分序列进行平稳性检验，检验通过则所述第一 差分序列为所述平稳序列； 第二差分处理模块，用以在第一差分序列为通过检验时，对第n差分序列进行差 分处理，获取第n+1差分序列；其中，所述n为不小于1的整数； 第二检验模块，用以对所述第n差分序列进行平稳性检验，检验通过则所述第n差 分序列为所述平稳序列。 进一步地，所述第一检验模块具体用以采用DF检验对所述第一差分序列进行平 稳性检验，检验通过则所述第一差分序列为所述平稳序列； 所述第二检验模块，用以采用DF检验对所述第n差分序列进行平稳性检验，检验 通过则所述第n差分序列为所述平稳序列。 进一步地，所述自回归移动平均处理单元包括： 计算模块，用以计算平稳序列的自相关函数与偏自相关函数； 定阶模块，用以根据所述自相关函数与所述偏自相关函数的拖尾和截尾状况，确当前第1页1 2 3 本文档来自技高网...
【技术保护点】
一种时间序列处理方法，其特征在于，所述方法包括：分析第一时间序列，获取至少一个与所述第一时间序列相关的第二时间序列；对所述第二时间序列进行多元回归处理，获得以所述第二时间序列为因变量且拟合序列为自变量的第一函数；根据所述第一函数计算出对应于所述第一时间序列的拟合序列；检验所述拟合序列与所述第一时间序列的差异；所述拟合序列与所述第一时间序列的差异不大于阈值时，求取所述拟合序列与所述第一时间序列的残差序列；对所述残差序列进行平稳化处理，获取对应于所述残差序列的平稳序列；对所述平稳序列进行自回归移动平均处理，获取关于平稳序列中前后两元素关系的第二函数；根据所述第一函数及所述第二函数，获取预测时间的预测结果。
【技术特征摘要】
【专利技术属性】
技术研发人员：秦晓飞，
申请(专利权)人：中国移动通信集团山西有限公司，
类型：发明
国别省市：山西;14
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。