一种时间序列数据分析方法、系统及设备技术方案

本发明专利技术涉及数据分析技术领域，尤其涉及一种时间序列数据分析方法，包括：获取时间序列数据的数据属性，并进行数据转换；对完成数据转换的数据属性进行去极值处理以及数据清洗；对完成数据清洗的时间序列数据，对时间序列数据进行分组；对分组后的时间序列数据进行数据关联，排序，并根据排序结果确定有效关联组；对有效关联组进行数据划分以生成数据排序训练集；对待处理的时间序列数据匹配数据排序训练集以进行数据分析；通过将时间序列数据进行分组，进行数据关联和排序，并根据排序结果修正时间序列数据的时序周期，确保时间序列的完成顺序与上传顺序一致，避免时间序列数据分析发生错误以及混淆，从而提高了时间序列数据分析的准确性。

【技术实现步骤摘要】

本专利技术涉及数据分析，尤其涉及一种时间序列数据分析方法、系统及设备。

技术介绍

1、随着我国科技水平的不断提高，促使互联网技术飞速发展，用户所产生的数据总量成指数型增长，在大量的数据中，时间序列数据是一种非常常见的时态数据，它被广泛的应用于工业、农业、医疗、金融、交通等行业与我们的生活息息相关，因此如何准确分析时间序列数据成为重中之重。

2、目前常用的时间序列分析方法为中国专利授权公告号：cn108399434b公开了一种基于特征提取的高维时间序列数据的分析预测方法，涉及数据分析
该方法首先度量高维时间序列数据的条件属性间和条件属性与决策属性间的相关性，并将与决策属性有相关性的条件属性加入属性核集中；再对高维时间序列数据进行特征提取；然后建立多元线性回归模型，再通过基于健康度的粒子群优化算法对模型中的回归系数进行优化；最后根据所构建的多元线性回归模型，得到某一时刻决策属性的值。本专利技术提供的基于特征提取的高维时间序列数据的分析预测方法，解决了高维时间序列数据在分析预测过程中所存在的预测效率低、误差大以及容易出现局部最优解的问题，有效本文档来自技高网...

【技术保护点】

1.一种时间序列数据分析方法，其特征在于，包括：

2.根据权利要求1所述的时间序列数据分析方法，其特征在于，在所述步骤S1中，所述数据转换包括将从不同时区的服务器的所述时间序列数据的数据时间转换为协调世界时，以及将各所述时间序列数据的数据格式转换为相同格式。

3.根据权利要求2所述的时间序列数据分析方法，其特征在于，在所述步骤S2中，所述去极值处理为将所述时间序列数据对应的数据资源按照预设标准将量级不同的数据资源按量级进行分类，并在各类数据资源中确定对应的平均数据资源以及标准差，以分类进行去极值处理；

4.根据权利要求3所述的时间序列数据分析方法，其特...

【技术特征摘要】

1.一种时间序列数据分析方法，其特征在于，包括：

2.根据权利要求1所述的时间序列数据分析方法，其特征在于，在所述步骤s1中，所述数据转换包括将从不同时区的服务器的所述时间序列数据的数据时间转换为协调世界时，以及将各所述时间序列数据的数据格式转换为相同格式。

3.根据权利要求2所述的时间序列数据分析方法，其特征在于，在所述步骤s2中，所述去极值处理为将所述时间序列数据对应的数据资源按照预设标准将量级不同的数据资源按量级进行分类，并在各类数据资源中确定对应的平均数据资源以及标准差，以分类进行去极值处理；

4.根据权利要求3所述的时间序列数据分析方法，其特征在于，在所述步骤s3中，分组的方式包括根据所述时间序列数据对应的数据资源的分位数进行分组以及根据所述时间序列数据对应的数据资源的资源量级进行分组。

5.根据权利要求4所述的时间序列数据分析方...

【专利技术属性】
技术研发人员：吴锐彬，周海军，
申请(专利权)人：广州龙数科技有限公司，
类型：发明
国别省市：