【技术实现步骤摘要】
数据处理方法、装置、设备及存储介质
[0001]本申请属于数据处理
,尤其涉及一种数据处理方法、装置、设备及存储介质。
技术介绍
[0002]各个服务平台在网络灾害或其他需要提防的危险发生之前,通常可以根据以往的数据总结规律或通过以往的数据计算得到的可能性前兆,以向服务平台发出告警,从而最大程度的减轻危害所造成的损失。
[0003]在相关技术中,可以采用传统的自回归模型(AR)、移动平均模型(MA)、自回归移动平均模型(ARMA)、自回归差分移动平均模型(ARIMA)等数学模型,寻找历史数据之间的自相关性,以总结规律或可能性前兆。然而,由于上述模型对于复杂数据(如变量数量多、场景复杂)的处理能力较差,难以满足日常工作预测精度,无法得到较为准确的计算结果,造成误告警,影响各个服务平台的管理效率。
技术实现思路
[0004]本申请实施例提供一种数据处理方法、装置、设备及存储介质,能够解决相关技术中数据计算结果准确度低的问题。
[0005]第一方面,本申请实施例提供一种数据处理方法,包括:
[0006]获取第一预设时间窗内的服务数据,服务数据包括下述中的至少一种:趋势项服务数据、节假日项服务数据、周期项服务数据;
[0007]将服务数据作为第一训练样本输入初始时间序列预测模型,计算第一预测服务数据;
[0008]将第一预测服务数据与服务数据的预设实际服务数据的残差数据作为第二训练样本输入初始catboost回归模型,计算第二预测服务数据;
[0009]在 ...
【技术保护点】
【技术特征摘要】
1.一种数据处理方法,包括:获取第一预设时间窗内的服务数据,所述服务数据包括下述中的至少一种:趋势项服务数据、节假日项服务数据、周期项服务数据;将所述服务数据作为第一训练样本输入初始时间序列预测模型,计算第一预测服务数据;将所述第一预测服务数据与所述服务数据的预设实际服务数据的残差数据作为第二训练样本输入初始catboost回归模型,计算第二预测服务数据;在所述残差数据不符合第一预设条件的情况下,将所述第二预测服务数据添加到所述第一训练样本,重复执行计算所述第一预测服务数据和第二预测服务数据,直至所述残差数据符合所述第一预设条件;根据与所述残差数据符合所述第一预设条件对应的目标时间序列预测模型和目标catboost回归模型,构建线性组合模型,所述线性组合模型用于对服务数据的监测。2.根据权利要求1所述的方法,其特征在于,所述方法还包括:获取第二预设时间窗内的服务数据;将所述第二预设时间窗内的服务数据输入所述线性组合模型,通过所述线性组合模型中的目标时间序列预测模型计算第三预测服务数据;以及,通过所述线性组合模型中的目标catboost回归模型,计算第四预测服务数据;通过网格搜索算法,对所述第三预测服务数据和所述第四预测服务数据进行加权配置处理,得到与所述第二预设时间窗内的服务数据对应的监测结果。3.根据权利要求1所述的方法,其特征在于,所述将所述服务数据作为第一训练样本输入初始时间序列预测模型,计算第一预测服务数据之前,所述方法还包括:根据所述服务数据的时间序列,获取与所述服务数据对应的数据标签,所述数据标签包括先验知识标签和后验知识标签,所述后验知识标签包括下述中的至少一种:趋势项标签、节假日项标签、周期项标签;根据所述数据标签,在所述初始时间序列预测模型中构建与每个数据标签对应的计算参数;以及,根据所述数据标签,对所述服务数据中与所述数据标签对应的数据进行标记,得到标签服务数据;所述将所述服务数据作为第一训练样本输入初始时间序列预测模型,计算第一预测服务数据,包括:将所述标签服务数据作为第一训练样本输入初始时间序列预测模型;分别通过所述初始时间序列预测模型中与每个数据标签对应的计算参数,对所述标签服务数据进行处理,得到第一预测服务数据。4.根据权利要求1所述的方法,其特征在于,所述在所述残差数据不符合第一预设条件的情况下,将所述第二预测服务数据添加到所述第一训练样本,重复执行计算所述第一预测服务数据和第二预测服务数据,包括:在所述残差数据不符合第一预设条件的情况下,将所述第二预测服务数据添加到所述第一训练样本,以将所述第二预测服务数据和服务数据作为第一训练样本对时间序列预测模型进行训练;重复执行:
将所述服务数据作为第一训练样本输入时间序列预测模型,计算第一预测服务数据;将所述第一预测服务数据与所述服务数据的预设实际服务数据的残差数据作为第二训练样本输入catboost回归模型,计算第二预测服务数据。5.根据权利要求1所述的方法,其特征在于,所述方法还包括:在所述残差数据符合第一预设条件的情况下,确定所述第二...
【专利技术属性】
技术研发人员:王灿,许庆堂,肖梁,徐蓉,
申请(专利权)人:中国银联股份有限公司,
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。