基于预测模型适用性判断的时间序列预测方法技术

基于预测模型适用性判断的时间序列预测方法，涉及时间序列预测技术领域。本发明专利技术是为了解决现有时间序列预测研究中，模型可能出现不适用当前数据特征的问题。本发明专利技术提出一种标准化、基于实际用户需求的基于预测模型适用性判断的时间序列预测方法。本发明专利技术的优点主要在于为实际的时间序列预测应用增加了合理的模型适用性判断步骤，填补了本领域对于时间序列预测模型适用性的研究空白，使得在实际应用中能够根据实际需要不断进行模型适用性的判断，完全克服模型可能不适用的问题。还能够为用户提供一定的决策建议，提高时间序列的预测效果。

【技术实现步骤摘要】

本专利技术属于时间序列预测

技术介绍
当前时间序列预测算法研究主要围绕改进预测模型W适应数据特征展开，该种研 究方法存在一定的问题；模型所适用的数据一般为离线数据，对于实际应用而言，时间序列 特征可能出现变化，改进的模型的适用性难W保证；即使改进模型仍然适用于当前时间序 列特征，在未来的模型应用过程中，时间序列特征仍然可能出现一定的变化，模型仍然可能 出现不适用当前数据特征的问题。由于时间序列预测模型的预测效果与模型和数据特征之 间的匹配程度有很大的关系，因此，为了保证离线改进模型的应用过程中的适用性，需要根 据实际需求进行模型适用性的检验、检验适用后再进行预测应用，该样才能获得良好的预 测效果。但是，现有研究中均未对预测应用过程中的模型适用性的检验环节进行研究，属于 领域研究空白。
技术实现思路
本专利技术是为了解决现有时间序列预测研究中，模型可能出现不适用当前数据特征 的问题，现提供。 ，该方法包括W下步骤： 步骤一：根据当前时间序列的幅值连续性、长记忆性、趋势性和季节性获得当前时 间序列的数据类别； 步骤二：判断步骤一获得的数据类别是否与历史时间序列的数据类别相同，是则 执行步骤S，否则重新进行预测模型选择，并利用新的预测模型预测未来时间序列； 步骤立；利用历史预测模型进行预测实验，获得模型适用性评价指标；[000引步骤四；根据模型适用性评价指标获得适用性评价结果； 步骤五；根据适用性评价结果获得评价结果的变化百分比Degree; 步骤六：根据适用性评价类型将评价结果的变化百分比Degree与适用性判断阔 值进行比较，判断历史预测模型的结构和参数是否适用于当前时间序列；[001U 若历史预测模型的结构和参数均适用，则利用该历史预测模型预测未来时间序 列； 若历史预测模型的结构适用，历史预测模型的参数不适用，则重新训练历史预测 模型的参数，并利用重新训练参数后的预测模型预测未来时间序列； 若历史预测模型的结构和参数均不适用，则重新进行预测模型选择，并利用新的 预测模型预测未来时间序列。 步骤S所述模型适用性评价指标包括；历史时间序列的模型适用性评价指标和当 前时间序列的模型适用性评价指标；获得模型适用性评价指标的具体方法为： 利用历史时间序列和历史预测模型进行预测实验，获得历史时间序列的模型适用 性评价指标， 利用当前时间序列和历史预测模型进行预测实验，获得当前时间序列的模型适用 性评价指标。 步骤四的具体方法为： 根据历史时间序列的模型适用性评价指标获得历史适用性评价结果， 根据当前时间序列的模型适用性评价指标获得当前适用性评价结果。 步骤五的具体方法为： 根据历史适用性评价结果和当前适用性评价结果获得评价结果的变化百分比 Degree。 通过下式获得评价结果的变化百分比：【主权项】1. ，其特征在于，该方法包括以下步 骤： 步骤一：根据当前时间序列的幅值连续性、长记忆性、趋势性和季节性获得当前时间序 列的数据类别； 步骤二：判断步骤一获得的数据类别是否与历史时间序列的数据类别相同，是则执行 步骤三，否则重新选择预测模型，并利用新的预测模型预测未来时间序列； 步骤三：利用历史预测模型进行预测实验，获得模型适用性评价指标； 步骤四：根据模型适用性评价指标获得适用性评价结果； 步骤五：根据适用性评价结果获得评价结果的变化百分比Degree ; 步骤六：根据适用性评价类型将评价结果的变化百分比Degree与适用性判断阈值进 行比较，判断历史预测模型的结构和参数是否适用于当前时间序列； 若历史预测模型的结构和参数均适用，则利用该历史预测模型预测未来时间序列； 若历史预测模型的结构适用，历史预测模型的参数不适用，则重新训练历史预测模型 的参数，并利用重新训练参数后的预测模型预测未来时间序列； 若历史预测模型的结构和参数均不适用，则重新选择预测模型，并利用新的预测模型 预测未来时间序列。2. 根据权利要求1所述的，其特征在 于，步骤三所述模型适用性评价指标包括：历史时间序列的模型适用性评价指标和当前时 间序列的模型适用性评价指标； 获得模型适用性评价指标的具体方法为： 利用历史时间序列和历史预测模型进行预测实验，获得历史时间序列的模型适用性评 价指标， 利用当前时间序列和历史预测模型进行预测实验，获得当前时间序列的模型适用性评 价指标。3. 根据权利要求2所述的，其特征在 于，步骤四的具体方法为： 根据历史时间序列的模型适用性评价指标获得历史适用性评价结果， 根据当前时间序列的模型适用性评价指标获得当前适用性评价结果。4. 根据权利要求3所述的，其特征在 于，步骤五的具体方法为： 根据历史适用性评价结果和当前适用性评价结果获得评价结果的变化百分比Degree。5. 根据权利要求4所述的，其特征在 于，通过下式获得评价结果的变化百分比：其中，Degree为评价结果的变化百分比，NewMetric为当前适用性评价结果，Metric为 历史适用性评价结果。6. 根据权利要求1所述的，其特征在 于，步骤六所述适用性评价类型为类型一或类型二： 所述类型一为：适用性评价结果越小，时间序列预测模型的适用性越好； 所述类型二为：适用性评价结果越大，时间序列预测模型的适用性越好。7.根据权利要求6所述的，其特征在 于，步骤六的具体步骤为： 若适用性评价指标为类型一，则判断历史预测模型的结构和参数是否适用于当前时间 序列步骤如下： 所述适用性判断阈值为：A和B，且0〈Α〈Β ; 当Degree < A时，历史预测模型的结构和参数均适用于当前时间序列； 当A〈Degree < B时，历史预测模型的结构适用，历史预测模型的参数不适用于当前时 间序列； 当B〈Degree时，历史预测模型的结构和参数均不适用于当前时间序列； 若适用性评价指标为类型二，则判断历史预测模型的结构和参数是否适用于当前时间 序列步骤如下： 所述适用性判断阈值为：A和B，且Α〈Β〈0 ; 当B〈Degree时，历史预测模型的结构和参数均适用于当前时间序列； 当A〈Degree < B时，历史预测模型的结构适用，历史预测模型的参数不适用于当前时 间序列； 当Degree < A时，历史预测模型的结构和参数均不适用于当前时间序列。【专利摘要】，涉及时间序列预测
本专利技术是为了解决现有时间序列预测研究中，模型可能出现不适用当前数据特征的问题。本专利技术提出一种标准化、基于实际用户需求的。本专利技术的优点主要在于为实际的时间序列预测应用增加了合理的模型适用性判断步骤，填补了本领域对于时间序列预测模型适用性的研究空白，使得在实际应用中能够根据实际需要不断进行模型适用性的判断，完全克服模型可能不适用的问题。还能够为用户提供一定的决策建议，提高时间序列的预测效果。【IPC分类】G06Q10-04【公开号】CN104866932【申请号】CN201510324352【专利技术人】刘大同, 彭宇, 郭力萌, 彭喜元 【申请人】哈尔滨工业大学【公开日】2015年8月26日【申请日】2015年6月12日本文档来自技高网...

【技术保护点】
基于预测模型适用性判断的时间序列预测方法，其特征在于，该方法包括以下步骤：步骤一：根据当前时间序列的幅值连续性、长记忆性、趋势性和季节性获得当前时间序列的数据类别；步骤二：判断步骤一获得的数据类别是否与历史时间序列的数据类别相同，是则执行步骤三，否则重新选择预测模型，并利用新的预测模型预测未来时间序列；步骤三：利用历史预测模型进行预测实验，获得模型适用性评价指标；步骤四：根据模型适用性评价指标获得适用性评价结果；步骤五：根据适用性评价结果获得评价结果的变化百分比Degree；步骤六：根据适用性评价类型将评价结果的变化百分比Degree与适用性判断阈值进行比较，判断历史预测模型的结构和参数是否适用于当前时间序列；若历史预测模型的结构和参数均适用，则利用该历史预测模型预测未来时间序列；若历史预测模型的结构适用，历史预测模型的参数不适用，则重新训练历史预测模型的参数，并利用重新训练参数后的预测模型预测未来时间序列；若历史预测模型的结构和参数均不适用，则重新选择预测模型，并利用新的预测模型预测未来时间序列。

【技术特征摘要】

【专利技术属性】
技术研发人员：刘大同，彭宇，郭力萌，彭喜元，
申请(专利权)人：哈尔滨工业大学，
类型：发明
国别省市：黑龙江;23