预测多元时间序列的方法及装置制造方法及图纸

本说明书实施例提供一种预测多元时间序列的方法及装置，针对各个业务主体的历史时间序列，一方面进行时序编码，另一方面进行周期编码，从而从时序和周期两方面挖掘数据之间的关联性。在时序预测过程中，将时序编码、周期编码两方面的数据融合解码，得到相应的解码张量，并将解码张量与时序特征张量一起用于预测多元时间序列。该方式能够自适应地挖掘时序、周期之间的关联关系，更灵活地提供更准确的时序预测结果。序预测结果。序预测结果。

【技术实现步骤摘要】
预测多元时间序列的方法及装置


[0001]本说明书一个或多个实施例涉及计算机
，尤其涉及预测多元时间序列的方法及装置。

技术介绍

[0002]时间序列(或称动态数列)是指将同一统计指标的数值按其发生的时间先后顺序排列而成的数列。时间序列分析的主要目的是根据已有的历史数据对未来进行预测。时间序列预测可以适用于各种场景，例如商品超市的客流量的时间序列预测，金融服务的资金时间序列预测，云计算中所需要的计算资源流量的预测，物流需求、智能电网中的电力消耗预测，等等。预测结果例如可以服务于商业决策。
[0003]多元时间序列是指将多组长度一致的时间段内关于同一统计指标的数值按其发生的时间先后顺序排列而成的数列。多元序列预测在多种场景中都有需求，例如：多种商品的销量的时间序列预测；金融中的多个渠道资金时间序列预测；云计算中所需要的多种计算资源流量预测；等等。经典预测方法例如有基于计量经济学中协整概念的VAR向量自回归模型等实现的方法。这些方法通常基于较强的统计学假设。然而，现实世界中的数据分布更加复杂，例如在金融场景中，不同金融数据之间的数据分本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种预测多元时间序列的方法，用于预测多个业务主体的时间序列，所述方法包括：从采样于所述多个业务主体的各条历史业务数据分别对应的各个历史多元时间序列中提取时序特征张量，所述时序特征张量对应有业务数据记录、时间、特征值三个维度；按照时间维度的周期性对所述时序特征张量进行时序周期处理，得到在所述三个维度上的周期编码张量；对各条历史业务数据进行时序编码，得到所述三个维度上的时序编码张量；对所述时序编码张量和周期编码张量进行融合、解码处理，得到对应于所述三个维度的解码张量；根据所述时序特征张量和所述解码张量，预测多个业务主体对应的多元时间序列。2.根据权利要求1所述的方法，其中，在所述时序特征张量的特征值维度上，包括针对时间信息进行嵌入得到的多维时间嵌入特征，以及历史多元时间序列中的业务特征。3.根据权利要求2所述的方法，所述时间信息对应有多个时间层次。4.根据权利要求1所述的方法，其中，所述按照时间维度的周期性对所述时序特征张量进行时序周期处理，得到在所述三个维度上的周期编码张量包括：根据预定周期窗口沿时间维度分割所述时序特征张量，以将所述时序特征张量重组为周期特征张量；通过第一循环神经网络依次处理所述周期特征张量中各个周期单位一一对应的各个二维周期特征张量，得到的各个编码张量按次序排列为所述周期编码张量。5.根据权利要求4所述的方法，其中，所述周期特征张量与所述时序特征张量相比，在时间维度上对应有第一数量的周期单位，且在业务数据记录维度上的单位数增加为第二数量，所述第一数量为所述时序特征张量在时间维度上的时间单位数除以所述预定周期窗口的商，所述第二数量为业务主体数量与所述预定周期窗口的乘积。6.根据权利要求1所述的方法，其中，单个历史时间序列由多个时间单位的业务数据构成；所述对各条历史业务数据进行时序编码，得到所述三个维度上的时序编码张量包括：通过第二循环神经网络依次处理在各个时间单位上所述多个业务主体的业务数据构成的二维业务张量，得到各个二维时序编码张量；基于各个二维时序编码张量沿时间维度的依次排列，得到所述时序编码张量。7.根据权利要求1所述的方法，其中，所述对所述时序编码张量和周期编码张量进行的融合、解码处理，得到对应于所述三个维度的解码张量包括：将所述时序编码张量和所述周期编码张量沿时间维度，按照各个时间单位进行融合，得到对应于所述三个维度的融合张量；利用第三循环神经网络按照时间...

【专利技术属性】
技术研发人员：师晓明，王世宇，薛思乔，胡韵，孙银波，郑洋飞，雷磊，
申请(专利权)人：支付宝杭州信息技术有限公司，
类型：发明
国别省市：