资源转移的时间序列预测方法、装置、设备及存储介质制造方法及图纸

本申请关于一种资源转移的时间序列预测方法、装置、设备及存储介质，涉及统计分析技术领域。方法包括：通过拟合模型对第一时间段与样本时间段之间的时间差值进行处理，获得第一时间段内的各个时间区间的预测平均转移数值；基于第一时间段内的各个时间区间分别对应的预测平均转移数值，获取第一时间段对应的第一预测时间序列；基于时间序列模型获取第一时间段对应的第二预测时间序列；基于第一预测时间序列以及第二预测时间序列，获取第一时间段对应的时间序列。本方案可以提高对指定资源的转移数值对应的时间序列进行预测的准确性。移数值对应的时间序列进行预测的准确性。移数值对应的时间序列进行预测的准确性。

【技术实现步骤摘要】
资源转移的时间序列预测方法、装置、设备及存储介质


[0001]本申请涉及统计分析
，特别涉及一种资源转移的时间序列预测方法、装置、设备及存储介质。

技术介绍

[0002]资源转移预测是统计分析学的一种重要的应用方式，其通过已有的历史资源转移数据对未来的资源收支情况进行预测。
[0003]在相关技术中，资源转移预测通常可以通过时间序列模型进行建模预测。比如，通过已有的历史资源转移数据建模时间序列模型，基于曲线拟合和参数估计来进行数学模型构建，得到时间序列模型。后续需要预测当前时刻的下一时间段内的资源转移情况时，可以将当前时刻的上一时间段内的历史资源转移情况对应的时间序列输入至构建好的时间序列模型，得到指示下一时间段内的资源转移情况的时间序列。
[0004]然而，相关技术中的时间序列模型虽然可以补捉到时间序列的固定特征，但无法全方面的反应时间序列中所存在的各方面规律，从而导致资源转移预测的准确性较低。

技术实现思路

[0005]本申请实施例提供了一种资源转移的时间序列预测方法、装置、设备及存储介质，可以提高资源转移的时间序列预测的准确性，该技术方案如下。
[0006]一方面，提供了一种资源转移的时间序列预测方法，所述方法包括：
[0007]通过拟合模型对第一时间段与样本时间段之间的时间差值进行处理，获得所述第一时间段内的各个时间区间的预测平均转移数值；所述拟合模型是基于至少两个所述样本时间段内的各个时间区间的平均转移数值，以及至少两个所述样本时间段之间的时间差值生成的模型；
[0008]基于所述第一时间段内的各个时间区间分别对应的预测平均转移数值，获取所述第一时间段对应的第一预测时间序列；
[0009]基于时间序列模型获取所述第一时间段对应的第二预测时间序列；所述时间序列模型是基于样本时间序列生成的模型；所述样本时间序列是所述样本时间段对应的时间序列；所述时间序列是所述指定资源在对应的时间段内的转移数值按照时间顺序排列得到的；
[0010]基于所述第一预测时间序列以及所述第二预测时间序列，获取所述第一时间段对应的时间序列。
[0011]再一方面，提供了一种资源转移的时间序列预测装置，所述装置包括：
[0012]拟合模块，用于通过拟合模型对第一时间段与样本时间段之间的时间差值进行处理，获得所述第一时间段内的各个时间区间的预测平均转移数值；所述拟合模型是基于至少两个所述样本时间段内的各个时间区间的平均转移数值，以及至少两个所述样本时间段之间的时间差值生成的模型；
[0013]第一预测序列获取模块，用于基于所述第一时间段内的各个时间区间分别对应的预测平均转移数值，获取所述第一时间段对应的第一预测时间序列；
[0014]第二预测序列获取模块，用于基于时间序列模型获取所述第一时间段对应的第二预测时间序列；所述时间序列模型是基于样本时间序列生成的模型；所述样本时间序列是所述样本时间段对应的时间序列；所述时间序列是所述指定资源在对应的时间段内的转移数值按照时间顺序排列得到的；
[0015]时间序列获取模块，用于基于所述第一预测时间序列以及所述第二预测时间序列，获取所述第一时间段对应的时间序列。
[0016]在一种可能的实现方式中，所述第一预测序列获取模块，用于，
[0017]基于所述第一时间段内的各个时间区间分别对应的预测平均转移数值，以及所述各个时间区间分别对应的数值波动率，获取所述第一时间段内的各个时间区间分别对应的预测转移数值；
[0018]按照时间顺序对所述各个时间区间分别对应的预测转移数值进行排列，获得所述第一时间段对应的第一预测时间序列。
[0019]在一种可能的实现方式中，所述装置还包括：
[0020]波动率获取模块，用于基于所述样本时间段内的各个时间区间的平均转移数值，以及所述样本时间段内的各个时间区间的转移数值，获取所述各个时间区间分别对应的数值波动率。
[0021]在一种可能的实现方式中，所述述装置还包括：拟合模型确定模块，用于，
[0022]基于至少两个所述样本时间段内的各个时间区间的平均转移数值，以及至少两个所述样本时间段分别与初始样本时间段之间的时间差值，生成至少两种候选拟合模型；所述初始样本时间段是至少两个所述样本时间段中的第一个样本时间段；
[0023]基于至少两种所述候选拟合模型对所述样本时间段拟合得到的预测平均转移数值，与所述样本时间段对应的平均转移数值之间的误差，从至少两种所述候选拟合模型中确定所述拟合模型。
[0024]在一种可能的实现方式中，至少两种所述候选拟合模型包括：线性模型、二次模型以及指数模型中的至少两种。
[0025]在一种可能的实现方式中，所述拟合模型确定模块，用于将所述第一时间段与所述初始样本时间段之间的时间差值输入所述拟合模型，获得所述第一时间段内的各个时间区间的预测平均转移数值。
[0026]在一种可能的实现方式中，所述时间序列获取模块，用于通过权重参数，对所述第一预测时间序列以及所述第二预测时间序列进行加权处理，获得所述第一时间段对应的时间序列。
[0027]在一种可能的实现方式中，所述装置还包括：权重参数获取模块，用于，
[0028]通过所述拟合模型对第一验证时间段和样本时间段之间的时间差值进行处理，获得所述第一验证时间段内的各个时间区间的预测平均转移数值；
[0029]基于所述第一验证时间段内的各个时间区间分别对应的预测平均转移数值，获取所述第一验证时间段对应的第三预测时间序列；
[0030]基于所述时间序列模型获取所述第一验证时间段对应的第四预测时间序列；
[0031]基于所述第三预测时间序列、所述第四预测时间序列以及第一验证时间序列，获取所述权重参数；所述第一验证时间序列是所述第一验证时间段对应的时间序列。
[0032]在一种可能的实现方式中，所述权重参数获取模块，用于以所述第三预测时间序列和所述第四预测时间序列，与所述第一验证时间序列之间的均方误差为目标函数，通过网格搜索的方式获取所述权重参数。
[0033]在一种可能的实现方式中，所述权重参数包括所述各个时间区间分别对应的权重；
[0034]所述时间序列获取模块，用于，
[0035]通过所述各个时间区间分别对应的权重，对所述第一预测时间序列和所述第二预测时间序列中，对应相同的时间区间的预测转移数值进行加权求和，获得所述第一时间段内的各个时间区间分别对应的预测转移数值；
[0036]按照时间顺序对所述第一时间段内的各个时间区间分别对应的预测转移数值进行排列，获得所述时间序列。
[0037]在一种可能的实现方式中，所述时间序列模型包括基于局部加权回归的季节趋势分解STL模型以及自回归积分移动平均ARIMA模型中的至少一种。
[0038]在一种可能的实现方式中，响应于所述时间序列模型包括ARIMA模型，所述第二预测序列获取模块，用于，
[0039]本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种资源转移的时间序列预测方法，其特征在于，所述方法包括：通过拟合模型对第一时间段与样本时间段之间的时间差值进行处理，获得指定资源在所述第一时间段内的各个时间区间的预测平均转移数值；所述拟合模型是基于所述指定资源在至少两个所述样本时间段内的各个时间区间的平均转移数值，以及至少两个所述样本时间段之间的时间差值生成的模型；基于所述第一时间段内的各个时间区间分别对应的预测平均转移数值，获取所述第一时间段对应的第一预测时间序列；基于时间序列模型获取所述第一时间段对应的第二预测时间序列；所述时间序列模型是基于样本时间序列生成的模型；所述样本时间序列是所述样本时间段对应的时间序列；所述时间序列是所述指定资源在对应的时间段内的转移数值按照时间顺序排列得到的；基于所述第一预测时间序列以及所述第二预测时间序列，获取所述第一时间段对应的时间序列。2.根据权利要求1所述的方法，其特征在于，所述基于所述第一时间段内的各个时间区间分别对应的预测平均转移数值，获取所述第一时间段对应的第一预测时间序列，包括：基于所述第一时间段内的各个时间区间分别对应的预测平均转移数值，以及所述各个时间区间分别对应的数值波动率，获取所述第一时间段内的各个时间区间分别对应的预测转移数值；按照时间顺序对所述各个时间区间分别对应的预测转移数值进行排列，获得所述第一时间段对应的第一预测时间序列。3.根据权利要求2所述的方法，其特征在于，所述方法还包括：基于所述样本时间段内的各个时间区间的平均转移数值，以及所述样本时间段内的各个时间区间的转移数值，获取所述各个时间区间分别对应的数值波动率。4.根据权利要求1所述的方法，其特征在于，所述方法还包括：基于至少两个所述样本时间段内的各个时间区间的平均转移数值，以及至少两个所述样本时间段分别与初始样本时间段之间的时间差值，生成至少两种候选拟合模型；所述初始样本时间段是至少两个所述样本时间段中的第一个样本时间段；基于至少两种所述候选拟合模型对所述样本时间段拟合得到的预测平均转移数值，与所述样本时间段对应的平均转移数值之间的误差，从至少两种所述候选拟合模型中确定所述拟合模型。5.根据权利要求4所述的方法，其特征在于，至少两种所述候选拟合模型包括：线性模型、二次模型以及指数模型中的至少两种。6.根据权利要求4所述的方法，其特征在于，所述通过拟合模型对第一时间段与样本时间段之间的时间差值进行处理，获得所述第一时间段内的各个时间区间的预测平均转移数值，包括：将所述第一时间段与所述初始样本时间段之间的时间差值输入所述拟合模型，获得所述第一时间段内的各个时间区间的预测平均转移数值。7.根据权利要求1所述的方法，其特征在于，所述基于所述第一预测时间序列以及所述第二预测时间序列，获取所述第一时间段对应的时间序列，包括：通过权重参数，对所述第一预测时间序列以及所述第二预测时间序列进行加权处理，
获得所述第一时间段对应的时间序列。8.根据权利要求7所述的方法，其特征在于，所述方法还包括：通过所述拟合模型对第一验证时间段和样本时间段之间的时间差值进行处理，获得所述第一验证时间段内的各个时间区间的预测平均转移数值；基于所述第一验证时间段内的各个时间区间分别对应的预测平均转移数值，获取所述第一验证时间段对应的第三预测时间序列；基于所述时间序列模型获取所述第一验证时间段对应的第四预测时间序列；基于所述第三预测时间序列、所...

【专利技术属性】
技术研发人员：王伟任，王硕佳，刘亚飞，郑冶枫，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：