一种基于时间序列的数据预测方法和装置制造方法及图纸

本申请实施例提供了一种基于时间序列的数据预测方法和装置，其中所述方法包括：获取多个类目对象的历史时间序列数据，其中，所述类目对象包括一个或多个数据对象；从所述多个类目对象中筛选出特征类目对象，其中，所述特征类目对象为包含特征数据对象的类目对象，所述特征数据对象为生命周期小于预设时间阈值的数据对象；基于所述特征类目对象对应的历史时间序列数据，从所述特征类目对象包含的数据对象中预测出目标数据对象，所述目标数据对象为未来第一预设时间段内将要产生的未来时间序列数据满足预设增长趋势的数据对象。本申请可以根据时间序列数据的原理，预测出近期具有爆发力的目标数据对象，使得预测结果与实际更加吻合，准确率更高。

【技术实现步骤摘要】
一种基于时间序列的数据预测方法和装置
本申请涉及数据处理
，特别是涉及一种基于时间序列的数据预测方法和一种基于时间序列的数据预测装置。
技术介绍
随着信息科技的发展，农村布局成为了越来越多电子商务平台战略布局的一个非常重要的方面：让商品通过电商平台走出去和让外面的商品走进农村去。在农村产品中，很大的部分是一些时效性或者季节性要求较高的商品，甚至于保质期也相当地短暂，如海鲜、河鲜以及新鲜蔬菜水果等。这类商品可以称为时效性商品，时效性商品是指具有一定消费时效特性，且保质期非常短暂的商品。在实际中，时效性商品的需求虽然庞大，但是对于电商平台及其物流系统的挑战也是巨大的，这体现在两个方面：(1)如果仓储过多，则会造成物流压力过大、也因本类商品的保质期短，容易造成巨大的浪费；(2)如果错误估计造成仓储不足，则会使得巨大的市场浪费。因此，对时效性商品等时效性数据对象的识别和预测显得尤其重要。
技术实现思路
鉴于上述问题，提出了本申请实施例以便提供一种克服上述问题或者至少部分地解决上述问题的一种基于时间序列的数据预测方法和相应的一种基于时间序列的数据预测装置。为了解决上述问题，本申请公开了一种基本文档来自技高网...

【技术保护点】
一种基于时间序列的数据预测方法，其特征在于，所述的方法包括：获取多个类目对象的历史时间序列数据，其中，所述类目对象包括一个或多个数据对象；从所述多个类目对象中筛选出特征类目对象，其中，所述特征类目对象为包含特征数据对象的类目对象，所述特征数据对象为生命周期小于预设时间阈值的数据对象；基于所述特征类目对象对应的历史时间序列数据，从所述特征类目对象包含的数据对象中预测出目标数据对象，所述目标数据对象为未来第一预设时间段内将要产生的未来时间序列数据满足预设增长趋势的数据对象。

【技术特征摘要】
1.一种基于时间序列的数据预测方法，其特征在于，所述的方法包括：获取多个类目对象的历史时间序列数据，其中，所述类目对象包括一个或多个数据对象；从所述多个类目对象中筛选出特征类目对象，其中，所述特征类目对象为包含特征数据对象的类目对象，所述特征数据对象为生命周期小于预设时间阈值的数据对象；基于所述特征类目对象对应的历史时间序列数据，从所述特征类目对象包含的数据对象中预测出目标数据对象，所述目标数据对象为未来第一预设时间段内将要产生的未来时间序列数据满足预设增长趋势的数据对象。2.根据权利要求1所述的方法，其特征在于，还包括：预测所述目标数据对象在所述未来第一预设时间段内的未来时间序列数据。3.根据权利要求1或2所述的方法，其特征在于，所述获取多个类目对象的历史时间序列数据的步骤包括：针对预设的多个时间区间，计算每个时间区间内预设数据库中存储的，所述数据对象对应的指定特征数据的数量，作为所述数据对象在所述时间区间内的历史特征数据；组织所述数据对象在所有时间区间的历史特征数据，得到所述数据对象的历史时间序列数据；按照所述时间区间，统计每个类目对象中包含的数据对象在所述时间区间的历史特征数据的总和；将所有时间区间的历史特征数据的总和组织成所述类目对象的历史时间序列数据。4.根据权利要求3所述的方法，其特征在于，所述从所述多个类目对象中筛选出特征类目对象的步骤包括：基于所述类目对象的历史时间序列数据，从所述多个类目对象中筛选出第一特征类目对象；获取预设的第二特征类目对象；将所述第一特征类目对象以及所述第二特征类目对象组织成特征类目对象。5.根据权利要求4所述的方法，其特征在于，所述基于所述类目对象的历史时间序列数据，从所述多个类目对象中筛选出第一特征类目对象的步骤包括：计算在过去第一预设时间段内每个类目对象的历史时间序列数据的中值M；计算历史特征数据的总和大于所述M的预设倍数的时间区间的数量；若所述历史特征数据的总和大于所述M的预设倍数的时间区间的数量在预设范围内，则判定所述类目对象为第一特征类目对象。6.根据权利要求1或2所述的方法，其特征在于，所述基于所述特征类目对象对应的历史时间序列数据，从所述特征类目对象包含的数据对象中预测出目标数据对象的步骤包括：基于所述特征类目对象对应的历史时间序列数据，对所述特征类目对象进行归一化处理；将所有归一化处理后的特征类目对象中包含的数据对象进行聚类，得到类簇对象；从所述类簇对象中预测出目标类簇对象；将所述目标类簇对象中包含的数据对象，作为目标数据对象。7.根据权利要求6所述的方法，其特征在于，所述从所述类簇对象中预测出目标类簇对象的步骤包括：基于所述类簇对象中的数据对象在过去一个月内的历史时间序列数据，计算所述类簇对象的第一平均历史时间序列数据；基于所述类簇对象中的数据对象在过去第十三个月的历史时间序列数据，计算所述类簇对象的第二平均历史时间序列数据；基于所述类簇对象中的数据对象在过去第十二个月的历史时间序列数据，计算所述类簇对象的第三平均历史时间序列数据；根据所述第一平均历史时间序列数据、所述第二平均历史时间序列数据以及所述第三平均历史时间序列数据，预估所述类簇对象在未来第一预设时间段内的未来平均时间序列数据；计算所述未来平均时间序列数据与所述第一平均历史时间序列数据的差值，得到所述类簇对象的指标数据；将指标数据大于预设阈值的类簇对象作为目标类簇对象。8.根据权利要求7所述的方法，其特征在于，所述预测所述目标数据对象在所述未来第一预设时间段内的未来时间序列数据的步骤包括：对所述类簇对象在未来第一预设时间段内的未来平均时间序列数据进行反归一化处理，得到所述类簇对象中每个数据对象的基准平均时间序列数据；对所述每个数据对象的基准平均时间序列数据进行修正，得到对应数据对象在未来第一预设时间段内的未来时间序列数据。9.根据权利要求1或2或4或5或7或8所述的方法，其特征在于，所述数据对象为商品数据，所述类目对象为商品类目，所述特征类目对象为时效性商品类目，所述生命周期为商品的时效，所述时间序列数据为所述商品的日销量。10.一种基于时间序列的数据预测装置，其特征在于，所述的装置包括：历史时序数据获取模块，用于获取多个类目...

【专利技术属性】
技术研发人员：王瑜，叶舟，王吉能，杨洋，董昭萍，陈凡，钱倩，
申请(专利权)人：阿里巴巴集团控股有限公司，
类型：发明
国别省市：开曼群岛,KY