【技术实现步骤摘要】
数据预测方法、装置、电子设备及存储介质
本专利技术涉及数据处理
,尤其涉及一种数据预测方法、装置、电子设备及存储介质。
技术介绍
在城市发展的进程中,对于城市的管理和运行监控也在进行数字化转型。城市的管理者需要基于覆盖城市运行的各个领域的指标数据来辅助决策。相关技术中,能够在同一个平台中接入多个领域对应的指标数据,并进行展示。这种技术所能够提供的信息十分有限,无法为辅助决策提供有力的支撑。
技术实现思路
为克服相关技术中存在的问题,本专利技术提供了一种数据预测方法、装置、电子设备及存储介质。根据本专利技术实施例的第一方面,提供一种数据预测方法,包括:利用异常检测模型对各个第一指标对应的指标数据序列分别进行检测,得到异常数据序列;所述指标数据序列中的各个数据按照数据产生的时间顺序排列;根据所述异常数据序列,确定异常指标特征序列;将所述异常数据序列和所述异常指标特征序列输入已训练好的时间卷积网络模型,得到所述时间卷积网络模型输出的异常指标的下一个预测数据值,所述异常指标为所述异常数据序列对应的指标。根据本专利技术实施例的第二方面,提供一种数据预测装置,包括:第一检测模块,用于利用异常检测模型对各个第一指标对应的指标数据序列分别进行检测,得到异常数据序列;所述指标数据序列中的各个数据按照数据产生的时间顺序排列;确定模块,用于根据所述异常数据序列,确定异常指标特征序列;预测模块,用于将所述异常数据序列和所述异常指标特征序列输入已 ...
【技术保护点】
1.一种数据预测方法,其特征在于,包括:/n利用异常检测模型对各个第一指标对应的指标数据序列分别进行检测,得到异常数据序列;所述指标数据序列中的各个数据按照数据产生的时间顺序排列;/n根据所述异常数据序列,确定异常指标特征序列;/n将所述异常数据序列和所述异常指标特征序列输入已训练好的时间卷积网络模型,得到所述时间卷积网络模型输出的异常指标的下一个预测数据值,所述异常指标为所述异常数据序列对应的指标。/n
【技术特征摘要】
1.一种数据预测方法,其特征在于,包括:
利用异常检测模型对各个第一指标对应的指标数据序列分别进行检测,得到异常数据序列;所述指标数据序列中的各个数据按照数据产生的时间顺序排列;
根据所述异常数据序列,确定异常指标特征序列;
将所述异常数据序列和所述异常指标特征序列输入已训练好的时间卷积网络模型,得到所述时间卷积网络模型输出的异常指标的下一个预测数据值,所述异常指标为所述异常数据序列对应的指标。
2.根据权利要求1所述的方法,其特征在于,还包括:
获取所述异常指标的下一个实际指标数据值;
根据所述实际指标数据值与所述预测数据值,确定所述预测数据值对应的异常特征值;
根据所述异常特征值更新所述异常指标特征序列,根据所述实际指标数据值更新所述异常数据序列;
利用更新后的异常指标特征序列和更新后的异常数据序列对所述时间卷积网络模型进行优化。
3.根据权利要求2所述的方法,其特征在于,利用更新后的异常指标特征序列和更新后的异常数据序列对所述时间卷积网络模型进行优化,包括:
根据更新后的异常指标特征序列和更新后的异常数据序列,更新所述异常指标的历史数据;
根据更新后的所述异常指标的历史数据,构造所述异常指标对应的训练数据;
基于所述训练数据对所述时间卷积网络模型进行训练,得到参数优化后的时间卷积网络模型。
4.根据权利要求1所述的方法,其特征在于,所述异常检测模型对指标数据序列进行检测的方法包括:
根据指标数据序列中的所有数据值,确定指标数据序列中所有数据的平均值和标准差;
根据所述平均值和所述标准差,确定指标数据序列对应的目标区间范围;
判断指标数据序列中的所有数据值是否都处于所述目标区间范围内,若是则确定指标数据序列为正常数据序列,否则确定指标数据序列为异常数据序列,并确定指标数据序列中不处于所述目标区间范围内的数据值为异常值。
5.根据权利要求2所述的方法,其特征在于,根据所述实际指标数据值与所述预测数据值,确定所述预测数据值对应的异常特征值,包括:
根据所述预测数据值,确定对应的预测指标数据值;
根据所述实际指标数据值与所述预测指标数据值,确定波动函数值;
若所述波动函数值大于预设的波动阈值,输出第一值;所述第一值用于指示指标异常;
若接收到针对所述第一值返回的确认异常信息,则将所述预测数据值对应的异常特征值设置为第一值。
6.根据权利要求1所述的方法,其特征在于,利用异常检测模型对各个第一指标对应的指标数据序列分别进行检测,得到异常数据序列之前...
【专利技术属性】
技术研发人员:周菲菲,
申请(专利权)人:杭州数梦工场科技有限公司,
类型:发明
国别省市:浙江;33
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。