敏感性分析方法及装置、设备制造方法及图纸

本发明专利技术公开了一种敏感性分析方法及装置、设备，获取作为第一参数的包括多个元素的向量，依据各个元素的历史值，确定变量，使得元素均表征为以变量为自变量的因变量，从而实现将多个元素统一为同一变量的因变量，在第一参数的取值空间，以变量为依据进行空间填补，得到向量的预测值，并依据映射关系，分别获得向量的多个取值对应的第二参数的值，从而得到足够用于敏感性分析的数据，依据向量的多个取值和对应的第二参数的值，确定第一参数对所述第二参数的敏感性分析结果，实现输入为向量输出为数值的场景下的敏感性分析。数值的场景下的敏感性分析。数值的场景下的敏感性分析。

【技术实现步骤摘要】
敏感性分析方法及装置、设备


[0001]本专利技术涉及数据处理领域，尤其涉及一种敏感性分析方法及装置、设备。

技术介绍

[0002]分析两个变量之间的敏感性在实际应用中是十分重要的。敏感性分析是判断第i个输入x{i}对输出值Y的影响程度，即敏感性指数。敏感性指数越大，则该输入对输出影响越大。敏感性分析的应用主要包括以下几个方面：确定哪些输入对输出的影响最大、以及确定哪些输入变量不是敏感的输入从而在进一步建模前将其剔除。
[0003]在实际中，包括多个元素值的向量作为输入，确定一个输出数值的场景比较常见，例如，使用历史24小时的输出值构成的向量，预测下一个小时的输出值。
[0004]而目前的敏感性分析方法，仅能针对一个数值对另一个数值的敏感性进行分析，而不适用于输入为向量输出为数值的场景下的敏感性分析。

技术实现思路

[0005]鉴于上述问题，本专利技术提供一种克服上述问题或者至少部分地解决上述问题的一种敏感性分析方法及装置、设备。
[0006]一种敏感性分析方法，包括：
[0007]获取作为第一参数的向量，所述向量包括多个元素；
[0008]依据所述各个元素的历史值，确定变量，使得所述元素均表征为以所述变量为自变量的因变量，所述自变量与所述因变量之间存在映射关系；
[0009]依据所述映射关系，在所述第一参数的取值空间，进行空间填补，得到所述向量的预测值，所述取值空间由所述各个元素的取值范围、以及所述变量的取值范围限定；
[0010]分别获得所述向量的多个取值对应的第二参数的值，所述取值包括所述预测值；
[0011]依据所述向量的多个取值和对应的所述第二参数的值，确定所述第一参数对所述第二参数的敏感性分析结果。
[0012]可选的，所述变量包括时间。
[0013]可选的，所述向量的长度依据所述第一参数对所述第二参数的预测规则确定。
[0014]可选的，所述分别获得所述向量的多个取值对应的第二参数的值，包括：
[0015]依次将所述向量的各个取值输入预设的模型，分别得到所述模型输出的所述第二参数的值，其中，所述模型依据训练数据训练得到，所述训练数据包括所述各个元素的历史值和对应的所述第二参数的历史值。
[0016]可选的，所述训练数据还包括：
[0017]周期性特征，所述周期性特征指示所述向量的变化周期，所述周期性特征依据不同时间粒度下的所述向量的频谱图得到。
[0018]可选的，所述模型包括：循环神经网络模型。
[0019]可选的，所述第一参数的取值空间的获取过程包括：
[0020]依据所述各个元素的历史值确定所述各个元素的取值范围，作为第一范围；
[0021]依据所述变量的取值确定所述变量的取值范围，作为第二范围；
[0022]将取值空间中的数据点按照所述第一范围的单位取值以及所述第二范围的单位取值划分维度。
[0023]一种敏感性分析装置，包括：
[0024]第一参数获取单元，用于获取作为第一参数的向量；所述向量包括多个元素；
[0025]变量获取单元，用于依据所述各个元素的历史值，确定变量，使得所述元素均表征为以所述变量为自变量的因变量，所述自变量与所述因变量之间存在映射关系；
[0026]预测值获取单元，用于依据所述映射关系，在所述第一参数的取值空间，以所述变量为依据进行空间填补，得到所述向量的预测值；
[0027]第二参数获取单元，用于分别获得所述向量的多个取值对应的第二参数的值；所述取值包括所述预测值；
[0028]结果获取单元，用于依据所述向量的多个取值和对应的所述第二参数的值，确定所述第一参数对所述第二参数的敏感性分析结果。
[0029]一种电子设备，包括：存储器和处理器；
[0030]所述存储器，用于存储程序；
[0031]所述处理器，用于执行所述程序，实现上述的敏感性分析方法的各个步骤。
[0032]一种存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，实现上述的敏感性分析方法的各个步骤。
[0033]借由上述技术方案，本专利技术提供的敏感性分析方法及装置、设备，获取作为第一参数的包括多个元素的向量，依据各个元素的历史值，确定变量，使得元素均表征为以变量为自变量的因变量，从而实现将多个元素统一为同一变量的因变量，在第一参数的取值空间，以变量为依据进行空间填补，得到向量的预测值，并依据映射关系，分别获得向量的多个取值对应的第二参数的值，从而得到足够用于敏感性分析的数据，依据向量的多个取值和对应的第二参数的值，确定第一参数对所述第二参数的敏感性分析结果，实现输入为向量输出为数值的场景下的敏感性分析。
[0034]上述说明仅是本专利技术技术方案的概述，为了能够更清楚了解本专利技术的技术手段，而可依照说明书的内容予以实施，并且为了让本专利技术的上述和其它目的、特征和优点能够更明显易懂，以下特举本专利技术的具体实施方式。
附图说明
[0035]通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本专利技术的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
[0036]图1示出了本申请实施例公开的一种敏感性分析方法的流程示意图；
[0037]图2示出了本申请实施例公开的模型的训练过程示意图；
[0038]图3示出了本申请实施例公开的又一种敏感性分析方法的流程示意图；
[0039]图4示出了本申请实施例公开的一种敏感性分析装置的结构示意图；
[0040]图5示出了本申请实施例公开的一种电子设备的结构示意图。
具体实施方式
[0041]下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
[0042]本申请的以下实施例公开的敏感性分析方法的应用场景为：
[0043]在预测业务中，使用历史7天的销售额预测3天后的销售额。假设需要对预测业务的输入和输出进行敏感性分析，即对历史7天的销售额对于3天后的销售额的敏感性进行分析。
[0044]基于上述场景，第一参数为历史7天的销售额，第二参数为3天后的销售额。
[0045]图1为本申请实施例公开的一种敏感性分析方法，包括以下步骤：
[0046]S11、获取作为第一参数的向量。
[0047]可以理解的是，任意一个向量可以包括至少一个元素。如前所述，第一参数为，历史7天的销售额：第1天的销售额、第2天的销售额
……
第7天的销售额。历史7天，可以为但不限于周一至周日。
[0048]向量的一组取值可以为已知的7天的销售额。本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种敏感性分析方法，其特征在于，包括：获取作为第一参数的向量，所述向量包括多个元素；依据所述各个元素的历史值，确定变量，使得所述元素均表征为以所述变量为自变量的因变量，所述自变量与所述因变量之间存在映射关系；依据所述映射关系，在所述第一参数的取值空间，进行空间填补，得到所述向量的预测值，所述取值空间由所述各个元素的取值范围、以及所述变量的取值范围限定；分别获得所述向量的多个取值对应的第二参数的值，所述取值包括所述预测值；依据所述向量的多个取值和对应的所述第二参数的值，确定所述第一参数对所述第二参数的敏感性分析结果。2.根据权利要求1所述的方法，其特征在于，所述变量包括时间。3.根据权利要求2所述的方法，其特征在于，所述向量的长度依据所述第一参数对所述第二参数的预测规则确定。4.根据权利要求1所述的方法，其特征在于，所述分别获得所述向量的多个取值对应的第二参数的值，包括：依次将所述向量的各个取值输入预设的模型，分别得到所述模型输出的所述第二参数的值，其中，所述模型依据训练数据训练得到，所述训练数据包括所述各个元素的历史值和对应的所述第二参数的历史值。5.根据权利要求4所述的方法，其特征在于，所述训练数据还包括：周期性特征，所述周期性特征指示所述向量的变化周期，所述周期性特征依据不同时间粒度下的所述向量的频谱图得到。6.根据权利要求4所述的方法，其特征在于，所述模型包括：循环神经网络...

【专利技术属性】
技术研发人员：王子帆，
申请(专利权)人：苏州国双软件有限公司，
类型：发明
国别省市：