本申请公开了一种数据预测方法、装置、电子设备及存储介质，其中，方法包括；获取第一预设时长内的历史业务数据，第一预设时长包括多个单位时长；对历史业务数据分解，得到历史业务数据的趋势数据以及周期数据；基于趋势数据在各单位时长内的变化率，获取第一预设时长内的工作时间趋势数据以及非工作时间趋势数据；基于工作时间趋势数据，预测第二预设时长的工作时间趋势数据预测值；根据非工作时间趋势数据，计算第二预设时长的非工作时间趋势数据预测值；根据工作时间趋势数据预测值与非工作时间趋势数据预测值以及周期数据，获得第二预设时长内各单位时长的业务数据预测值。从而解决常规工作日中的数据预测，提高数据预测的准确性。性。性。
【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
[0001]本申请涉及数据处理
，更具体地，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
[0002]现有的数据预测方法中，往往仅在时序预测模型的基础上加入节假日信息、重大事故信息以及活动信息等先验信息帮助模型对历史数据进行时序建模，从而预测未来一段时间内的数据量。但是对于常规工作日的数据预测还不够准确。
技术实现思路
[0003]有鉴于此，本申请提出了一种数据预测方法、装置、电子设备及存储介质，以改善上述问题。
[0004]根据本申请实施例的一个方面，提供了一种数据预测方法，包括：获取第一预设时长内的历史业务数据，所述第一预设时长包括多个单位时长；对所述历史业务数据分解，得到所述历史业务数据的趋势数据以及周期数据；基于所述趋势数据在各单位时长内的变化率，获取所述第一预设时长内的工作时间趋势数据以及非工作时间趋势数据；基于所述工作时间趋势数据，预测第二预设时长的工作时间趋势数据预测值，其中，所述第一预设时长为第二预设时长的n倍，n为大于1的整数，所述周期数据包括n个周期内不同单位时长的数据变化量；根据所述非工作时间趋势数据，计算第二预设时长的非工作时间趋势数据预测值；根据所述工作时间趋势数据预测值与所述非工作时间趋势数据预测值以及所述周期数据，获得所述第二预设时长内各单位时长的业务数据预测值。
[0005]根据本申请实施例的一个方面，提供了一种数据预测装置，包括：获取业务数据模块，用于获取第一预设时长内的历史业务数据，所述第一预设时长包括多个单位时长；分解模块，用于对所述历史业务数据分解，得到所述历史业务数据的趋势数据以及周期数据；获取趋势数据模块，用于基于所述趋势数据在各单位时长内的变化率，获取所述预设时长内的工作时间趋势数据以及非工作时间趋势数据；预测工作时间数据模块，用于基于所述工作时间趋势数据，预测第二预设时长的工作时间趋势数据预测值；预测非工作时间数据模块，用于根据所述非工作时间趋势数据，计算第二预设时长的非工作时间趋势数据预测值；业务数据预测模块，用于根据所述工作时间趋势数据预测值与所述非工作时间趋势数据预测值以及所述周期数据，获得所述第二预设时长内各单位时长的业务数据预测值。
[0006]根据本申请实施例的一个方面，提供了一种电子设备，包括：处理器；存储器，存储器上存储有计算机可读指令，计算机可读指令被处理器执行时，实现如上数据预测方法。
[0007]根据本申请实施例的一个方面，提供了一种计算机可读存储介质，其上存储有计算机可读指令，当计算机可读指令被处理器执行时，实现如上数据预测方法。
[0008]在本申请的方案中，通过对第一预设时长内的历史业务数据进行分解，分别得到趋势数据以及周期数据，再依据趋势数据在各个单位时长内的变化率，对第一预设时长内
的趋势数据进行划分得到工作时间趋势数据以及非工作时间趋势数据，利用第一预设时长内的工作时间趋势数据以及非工作时间趋势数据对第二预设时长内的工作时间趋势数据以及非工作时间趋势数据，再结合第一预设时长内的周期数据，从而对第二预设时长内的整体数据进行预测，从而解决常规工作日中的数据预测，提高数据预测的准确性。
附图说明
[0009]为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0010]图1示出了适于用来实现本申请实施例的电子设备的结构框图。
[0011]图2示出了本申请一实施例提供的数据预测方法的流程图。
[0012]图3示出了图2中步骤S220的一种实施方式的流程图。
[0013]图4示出了图2中步骤S230的一种实施方式的流程图。
[0014]图5示出了图2中步骤S240的一种实施方式的流程图。
[0015]图6示出了图2中步骤S260的一种实施方式的流程图。
[0016]图7示出了本申请实施例提供的数据预测方法中数据预处理的流程图。
[0017]图8示出了本申请一实施例提供的数据预测装置的框图。
具体实施方式
[0018]现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本申请将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。
[0019]此外，所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中，提供许多具体细节从而给出对本申请的实施例的充分理解。然而，本领域技术人员将意识到，可以实践本申请的技术方案而没有特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知方法、装置、实现或者操作以避免模糊本申请的各方面。
[0020]附图中所示的方框图仅仅是功能实体，不一定必须与物理上独立的实体相对应。即，可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
[0021]附图中所示的流程图仅是示例性说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解，而有的操作/步骤可以合并或部分合并，因此实际执行的顺序有可能根据实际情况改变。
[0022]需要说明的是：在本文中提及的“多个”是指两个或两个以上。“和/或”描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
[0023]当前大多数的业务数据监控，一般由管理者基于该业务的历史数据波动，再结合个人经验，人为设置一个或数个阈值，当数据量超过预设阈值时则进行预警。
[0024]但是，专利技术人发现各个业务的访问量可能因业务发展程度、活动周期、时间推移等因素发生动态变化，预设阈值无法自适应变化。其次，对于多数企业，之前并未对某些已有业务发生实际拥挤、故障方面的记录。此外，当细分业务数量众多时(数量可能达到千级别甚至万级别)，人工一般只能对部分数据量大的头部业务配置监控，难以覆盖所有业务。
[0025]因此，专利技术人提出了一种数据预测方法、装置、电子设备及存储介质，通过对历史业务数据进行分解，得到趋势数据以及周期数据，再依据趋势数据在各个单位时长内的变化率，得到工作时间趋势数据以及非工作时间趋势数据，再结合周期数据，对目标时长内的整体数据进行预测。
[0026]请参见图1，图1示出了适于用来实现本申请实施例的电子设备的结构框图，图1所示的电子设备可以包括终端设备或者服务器，终端可以是智能手机、平板电脑、笔记本电脑、台式电脑等。服务器可以是独立的物理服本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种数据预测方法，其特征在于，方法包括：获取第一预设时长内的历史业务数据，所述第一预设时长包括多个单位时长；对所述历史业务数据分解，得到所述历史业务数据的趋势数据以及周期数据；基于所述趋势数据在各单位时长内的变化率，获取所述第一预设时长内的工作时间趋势数据以及非工作时间趋势数据；基于所述工作时间趋势数据，预测第二预设时长的工作时间趋势数据预测值，其中，所述第一预设时长为第二预设时长的n倍，n为大于1的整数，所述周期数据包括n个周期内不同单位时长的数据变化量；根据所述非工作时间趋势数据，计算第二预设时长的非工作时间趋势数据预测值；根据所述工作时间趋势数据预测值与所述非工作时间趋势数据预测值以及所述周期数据，获得所述第二预设时长内各单位时长的业务数据预测值。2.根据权利要求1所述的方法，其特征在于，所述基于所述工作时间趋势数据，预测第二预设时长的工作时间趋势数据预测值，包括：将所述工作时间趋势数据输入预测模型，其中，所述预测模型通过各业务场景下工作时间内的历史业务数据训练得到；根据所述预测模型得到所述第二预设时长的工作时间趋势数据预测值。3.根据权利要求1所述的方法，其特征在于，所述根据所述非工作时间趋势数据，计算第二预设时长的非工作时间趋势数据预测值，包括：获取所述非工作时间趋势数据在非工作时间内的平均值，作为第二预设时长的非工作时间趋势数据预测值。4.根据权利要求1所述的方法，其特征在于，所述对所述历史业务数据分解，得到所述历史业务数据的趋势数据以及周期数据，包括：将所述历史业务数据输入加法模型；所述加法模型对所述历史业务数据进行分解，得到所述趋势数据以及所述周期数据。5.根据权利要求1所述的方法，其特征在于，所述基于所述趋势数据在各单位时长内的变化率，获取所述第一预设时长内的工作时间趋势数据以及非工作时间趋势数据，包括：获取所述变化率的最大的时间点，将所述时间点作为工作时间和非工作时间的分界点；根据所述分界点，得到所述工作时间趋势数据以及所述非工作时间趋势数据。6.根据权利要求1所述的方法，其特征在于，所述获取第一预设时长内的历史业务数据之前，所述...
【专利技术属性】
技术研发人员：梁昊远，林仕锋，刘赫阳，
申请(专利权)人：深圳追一科技有限公司，
类型：发明
国别省市：
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。