一种综合性时间序列预测方法及系统技术方案

本发明专利技术公开了一种综合性时间序列预测方法及系统。本方法为：1)获取目标数据的历史数据，以及k种时间序列预测方法对该历史数据的历史预测结果；2)根据该历史数据及历史预测结果计算出一最佳参数组合；3)利用该k种时间序列预测方法预测该目标数据的设定时间的预测值；4)根据该最佳参数组合对步骤3)得到的预测值进行计算，得到该目标数据的该设定时间的预测值。本发明专利技术预测准确率高，从而能够协助相关需求人员更好的制定决策。

Comprehensive time series forecasting method and system

The invention discloses a comprehensive time series forecasting method and system. The method is as follows: 1) to obtain the historical data of target data, and the K time series prediction method of the historical data of the historical forecast results; 2) to calculate the optimal parameters according to the historical data and historical prediction results; 3) prediction set time prediction method to predict the target data by using the K time series the value of; 4) according to the optimal parameters of step 3) the predicted values were calculated and predicted the setting time of the target data value. The invention has high prediction accuracy so as to assist the relevant demand personnel to make better decisions.

【技术实现步骤摘要】
一种综合性时间序列预测方法及系统
本专利技术涉及一种综合性时间序列预测方法及系统，属于计算机软件

技术介绍
现有技术中，绝大多数时间序列的预测方法是有各种局限性的。有的效果较好，但是只能进行较短期的预测；有的可以进行较长期的预测，但是效果相对较差。时间序列预测技术贯穿了多种行业，例如区域经济预测、旅游热度预测、酒店入住量预测等。综合性不足的时间序列预测方式会导致较大的预测误差。例如使用历史同期的时间序列预测方式，能够预测的时间区间较大，但预测准确度不足；使用ARIMA算法预测时间序列，准确性较高，但有效的时间区间较小。这些综合性不足的时间序列预测结果可能会导致产业链上游决策错误，影响到产业链的整体效益。
技术实现思路
本专利技术要解决的技术问题是为了克服现有技术中时间序列预测方法综合性不足的缺陷，提供一种将多种不普适的预测方法进行综合，形成一套综合性时间序列预测系统及方法。本专利技术是通过下述技术方案来解决上述技术问题的：一种综合性时间序列预测方法，其步骤为：1)获取目标数据的历史数据，以及k种时间序列预测方法对该历史数据的历史预测结果；2)根据该历史数据及历史预测结果计算出一最佳参数组合；3)利用该k种时间序列预测方法预测该目标数据的设定时间的预测值；4)根据该最佳参数组合对步骤3)得到的预测值进行计算，得到该目标数据的该设定时间的预测值。进一步的，计算出该最佳参数组合的方法为：21)设(R1,R2,…,Ri,…,Rn)为n个历史数据，其中Ri代表第i个历史数据的真实值；设(F11,F12,…,F1n),(F21,F22,…,F2n),…,(Fk1,Fk2,…,Fkn)为该k种时间序列预测方法对该历史数据的历史预测结果，其中Fkn代表第k种预测方法对第n个历史数据的预测结果；设置偏置项F(k+1)1＝F(k+1)2＝…＝F(k+1)n＝1；22)根据步骤21)的数据建立核心线性方程组Fit代表第i种时间序列预测方法对第t个历史数据的历史预测结果，Fjt代表第j种时间序列预测方法对第t个历史数据的历史预测结果，Rt代表第t个历史数据的真实值；23)求解该核心线性方程组；如果无解，则查找该历史预测结果中具有线性相关的一对历史预测结果，并删除其中一历史预测结果；然后重新建立核心线性方程组并求解，直至得到该核心线性方程组的解，即该最佳参数组合，记为(X1,X2,…,Xk+1)。进一步的，步骤4)中，根据公式计算该设定时间的预测值；其中，Xi为该最佳参数组合中的第i个参数，Fi代表第i种时间序列预测方法对该目标数据的设定时间的预测值。进一步的，计算出该最佳参数组合的方法为：先查找该历史预测结果中具有线性相关的预测结果对并删除每一预测结果对中的一预测结果，直至该历史预测结果中没有线性相关的预测结果，然后根据剩余的预测结果建立核心线性方程组Fit代表第i种时间序列预测方法对第t个历史数据的历史预测结果，Fjt代表第j种时间序列预测方法对第t个历史数据的历史预测结果，Rt代表第t个历史数据的真实值；然后求解该核心线性方程，该核心线性方程组的解即该最佳参数组合，记为(X1,X2,…,Xk+1)。进一步的，所述目标数据为宏观市场数据、酒店经营数据或区域降水量数据。一种综合性时间序列预测系统，其特征在于，包括数据获取模块、参数计算模块及预测模块；其中，数据获取模块，用于获取目标数据的历史数据，以及k种时间序列预测方法对该历史数据的历史预测结果；参数计算模块，用于根据该历史数据及历史预测结果计算出一最佳参数组合；预测模块，用于根据该最佳参数组合对该k种时间序列预测方法预测该目标数据的设定时间的预测值进行计算，得到该目标数据的该设定时间的预测值。本专利技术提供了一种综合性时间序列预测系统，其特点在于，包括数据获取模块、参数计算模块及预测模块。所述数据获取模块用于获取目标数据的历史数据。及多种有缺陷的、综合性不足的时间序列预测方法针对上述目标数据的历史预测结果。目标数据可以是宏观市场数据、酒店经营数据、区域降水量数据等。即数据获取模块需要获取历史已经发生的真实值，以及若干种公知预测方法对这个真实值的预测值。所述参数计算模块用于从历史数据及历史预测结果中计算出最合适的参数组合(X1,X2,…,Xk+1)。所述预测模块用于调用所述参数计算模块计算出的最佳参数组合结果，并计算出新的更佳的预测值。较佳地，所述预测系统还可以包括数据分割模块，用于将数据分割为多个部分，进行交叉验证，提高参数的鲁棒性。本专利技术的目的还在于提供了一种综合性时间序列预测方法，其特点在于，利用上述的预测系统实现，所述预测方法包括以下步骤：S1、所述数据获取模块获取所需的数据，并将数据传至所述参数计算模块内。S2、所述参数计算模块通过解核心线性方程组，计算出一组最佳的参数，并返回。S3、所述预测模块通过调用的最佳参数，计算出预测值。较佳地，所述数据分割模块还可以将数据进行分割、多次预测，提高模型的鲁棒性。与现有技术相比，本专利技术的积极进步效果在于：本专利技术通过综合多种有局限性的的时间序列预测方法的预测结果，经过分析和计算，得出一个综合性的预测结果，预测准确率高，从而协助相关需求人员更好的制定决策。附图说明图1为本专利技术的实施例的综合性时间序列预测系统的模块示意图；图2为本分明的实施例的综合性时间序列预测方法的流程图。具体实施方式下面通过实施例的方式进一步说明本专利技术，但并不因此将本专利技术限制在所述的实施例范围之中。如图1所示，本专利技术的综合性时间序列预测系统包括数据获取模块1，数据分割模块2，参数计算模块3及预测模块4。所述数据获取模块1用于获取n个历史结果(R1,R2,…,Rn)，其中Ri代表第i个历史结果的真实值。及k种有缺陷的、综合性不足的时间序列预测方法的预测结果(F11,F12,…,F1n),(F21,F22,…,F2n),…,(Fk1,Fk2,…,Fkn)，其中Fij代表第i种预测方法对第j个历史结果的预测值。令F(k+1)1＝F(k+1)2＝…＝F(k+1)n＝1。下面记Fit代表第i种预测方法对第t个数据的预测值，Rt代表第t个数据的真实值。所述核心线性方程组为：所述参数计算模块通过计算所述核心线性方程组，解出(X1,X2,…,Xk+1)的值。这一组值就是上述所说的最合适的参数组合。如果方程组无解，说明至少有两个预测结果线性相关(例如(F11,F12,…,F1n)＝(1,2,…,n)与(F21,F22,…,F2n)＝(2,4,…,2n))，需要提前将这些线性相关的组合剔除掉只剩一个(例如剔除(F21,F22,…,F2n)这一组预测值)。也可以先删除直至没有线性相关的预测结果，然后建立核心线性方程组进行求解。所述预测模块将参数计算模块得到的(X1,X2,…,Xk+1)带入计算，得到新的综合性时间序列预测值：其中Fi代表第i种时间序列预测方法对该目标数据的设定时间的预测值。在未来的实际应用中，只需要同样的使用k种有缺陷的、综合性不足的时间序列预测方法预测出预测结果(F11,F12,…,F1n),(F21,F22,…,F2n),…,(Fk1,Fk2,…,Fkn)，带入上式进行计算，即可以得到一组新的综合性时间序列预测值Pt。例如，某博物馆在2014,2015,20本文档来自技高网...

【技术保护点】
一种综合性时间序列预测方法，其步骤为：1)获取目标数据的历史数据，以及k种时间序列预测方法对该历史数据的历史预测结果；2)根据该历史数据及历史预测结果计算出一最佳参数组合；3)利用该k种时间序列预测方法预测该目标数据的设定时间的预测值；4)根据该最佳参数组合对步骤3)得到的预测值进行计算，得到该目标数据的该设定时间的预测值。

【技术特征摘要】
1.一种综合性时间序列预测方法，其步骤为：1)获取目标数据的历史数据，以及k种时间序列预测方法对该历史数据的历史预测结果；2)根据该历史数据及历史预测结果计算出一最佳参数组合；3)利用该k种时间序列预测方法预测该目标数据的设定时间的预测值；4)根据该最佳参数组合对步骤3)得到的预测值进行计算，得到该目标数据的该设定时间的预测值。2.如权利要求1所述的方法，其特征在于，计算出该最佳参数组合的方法为：21)设(R1,R2,…,Ri,…,Rn为n个历史数据，其中Ri代表第i个历史数据的真实值；设(F11,F12,…,F1n,(F21,F22,…,F2n,…,(Fk1,Fk2,…,Fkn为该k种时间序列预测方法对该历史数据的历史预测结果，其中Fkn代表第k种预测方法对第n个历史数据的预测结果；设置偏置项F(k+1)1＝F(k+1)2＝…＝F(k+1)n＝1；22)根据步骤21)的数据建立核心线性方程组Fit代表第i种时间序列预测方法对第t个历史数据的历史预测结果，Fjt代表第j种时间序列预测方法对第t个历史数据的历史预测结果，Rt代表第t个历史数据的真实值；23)求解该核心线性方程组；如果无解，则查找该历史预测结果中具有线性相关的一对历史预测结果，并删除其中一历史预测结果；然后重新建立核心线性方程组并求解，直至得到该核心线性方程组的解，即该最佳参数组合，记为(X1,X2,…,Xk+1)。3.如权利要求2所述的方法，其特征在于，步骤4)中，根据公式计算该设定时间的预测值；其中，Xi为该最佳参数组合中的第i个参数，Fi代表第i种时间序列预测方法对该目标数据的设定时间的预测值。4.如权利要求1所述的方法，其特征在于，计算出该最佳参数组合的方法为：先查找该历史预测结果中具有线性相关的预测结果对并删除每一预测结果对中的一预测结果，直至该历史预测结果中没有线性相关的预测结果，然后根据剩余的预测结果建立核心线性方程组Fit代表第i种时间序列预测方法对第t个历史数据的历史预测结果，Fjt代表第j种时间序列预测方法对第t个历史数据的历史预测结果，Rt代表第t个历史数据的真实值；然后求解该核心线...

【专利技术属性】
技术研发人员：吴荣彬，戴宇超，焦宇，林小俊，
申请(专利权)人：北京众荟信息技术股份有限公司，
类型：发明
国别省市：北京,11