频率更新方法及装置制造方法及图纸

本申请公开了一种频率更新方法及装置，获取时间轴上的训练集数据，训练集的时间区间为[1，2，…，k+i‑1]，时间轴上样本集总量为T，k为训练集的时间基点，i取值(1，2，..，T‑k‑h+1)，h为需要外推的期数；将训练集数据输入训练集拟合模型；通过训练集拟合模型输出时间点k+h+i‑1的数据；计算时间点k+h+i‑1的误差；重复步骤S1‑S3；计算验证集数据的平均误差，验证集数据为所有时间点k+h+i‑1的数据；确定更新频率。根据本申请实施例提供的技术方案，通过时间序列预测的交叉验证方法，确定更新频率与误差之间的关系，进一步的提出较为合理的更新频率，实现预测效果的提高和频率更新的优化。

【技术实现步骤摘要】
频率更新方法及装置
本专利技术一般涉及物流领域，尤其涉及频率更新方法及装置。
技术介绍
误差(平均绝对百分比误差)是衡量时序预测效果的重要指标。长期时序预测存在异方差性和滞后效应，预测结果在时间轴上表现为不平稳。从预测的时间跨度来看，长期预测(外推期超过30天)存在精度不高和趋势变动大的特点。日度数据的长期预测误差与更新频率有极强的相关性，一般来说，预测更新越频繁，准确率越高，即误差越小。但是，考虑到计算资源有限和物流每日件量的偏差，需在更新频率和预测误差两者之间做出权衡，目的是在计算资源的保证下，以较少的更新频率(即更新周期)来实现较优的预测准确率。如何得到更新频率和预测误差之间的关系；交叉验证方法常用于评估模型的预测性能，基本思想就是将原始数据进行分组，随机抽取一部分做为训练集来训练模型，另一部分做为测试集来评价模型，但是，传统的随机分成几份的交叉验证方法不适用于时序问题，原因如下：1.时序的不可逆性。时序预测的基本思想是通过学习历史来推断未来，要求测试集在时间上必须晚于训练集；2.任意选择测试集。传统k折交叉验证方本文档来自技高网...

【技术保护点】
1.一种频率更新方法，其特征在于，包括步骤：/nS1：获取时间轴上的训练集数据，所述训练集的时间区间为[1，2，…，k+i-1]，所述时间轴上样本集总量为T，所述k为训练集的时间基点，i取值(1，2，..，T-k-h+1)，h为需要外推的期数；/nS2：将所述训练集数据输入训练集拟合模型；/nS3：通过所述训练集拟合模型输出时间点k+h+i-1的数据；/nS4：计算时间点k+h+i-1的误差；/nS5：重复步骤S1-S4；/nS6：计算验证集数据的平均误差，所述验证集数据为所有时间点k+h+i-1的数据；/nS7：根据所述平均误差与更新频率关系图确定更新频率范围。/n

【技术特征摘要】
1.一种频率更新方法，其特征在于，包括步骤：
S1：获取时间轴上的训练集数据，所述训练集的时间区间为[1，2，…，k+i-1]，所述时间轴上样本集总量为T，所述k为训练集的时间基点，i取值(1，2，..，T-k-h+1)，h为需要外推的期数；
S2：将所述训练集数据输入训练集拟合模型；
S3：通过所述训练集拟合模型输出时间点k+h+i-1的数据；
S4：计算时间点k+h+i-1的误差；
S5：重复步骤S1-S4；
S6：计算验证集数据的平均误差，所述验证集数据为所有时间点k+h+i-1的数据；
S7：根据所述平均误差与更新频率关系图确定更新频率范围。


2.根据权利要求1所述的频率更新方法，其特征在于，还包括步骤：根据更新频率与计算成本关系图确定更新频率。


3.根据权利要求1或2所述的频率更新方法，其特征在于，所述k为不小于0.5T的自然数。


4.根据权利要求1所述的频率更新方法，其特征在于，所述时间点k+h+i-1的误差＝|(X-Y)/X|，其中X为实际测量值，Y为训练模拟值；所述平均误差＝(∑((X-Y)/X)*100％)/N，其中N＝∑(k+h+i-1)。


5.根据权利要求4所述的频率更新方法，其特征在于，若所述平均误差不大于第一阈值，则根据所述平均误差确定更新频率，若所述平均误差超过第一阈值，则不进行频率的更新。


6.根据权利要求5所述的频率更新方法，其特征在于，还包括步骤，绘制平均误差与更新频率关系图；
具体包括：选取平均误差小于第二阈值的网点和平均误差处于第二阈值和第一阈值之间的网点，时间长度T1为训练集，沿时间轴向前预测设定次数，所述预测次数即为更新频率，
将时间长度为T1的训练集输入训练集拟合模...

【专利技术属性】
技术研发人员：张琳，王本玉，马昭，吴敏礽，金晶，
申请(专利权)人：顺丰科技有限公司，
类型：发明
国别省市：广东;44