【技术实现步骤摘要】
本申请属于数据预测，具体涉及一种多周期时序数据的预测方法、装置、设备及介质。
技术介绍
1、时序数据预测的应用范围不断扩大，例如：对商品进行销量预测。商品销量预测是根据商品的历史销量来预测该商品未来销售情况的手段，广泛应用于供应链领域的补货、库存管理、物流管理以及成本控制等各个方面。通过销量预测有助于商家决定商品的库位摆放以及进货量。
2、相关技术中，多周期时序数据的预测方式主要是采用回归移动平均模型。所述回归移动平均模型是一种基于时间序列数据的线性组合模型，通过将时间序列数据进行检测确定其数据稳定性后，使用自相关函数和偏自相关函数确定自回归和历史平均销量的阶数，使用最小二乘法或极大似然估计对自回归移动模型进行参数估计，最后对参数估计进行诊断然后得到完整的自回归移动平均模型进行未来销量预测。
3、由于现有技术主要是针对历史数据平稳的时序数据进行的预测，而数据的实际时序变化过程中会受到外部环境等因素的影响导致各周期内部以及多周期之间数据的稳定性无法保证，因此，利用现有技术进行多周期时序数据预测时，存在预测方式适用性...
【技术保护点】
1.一种多周期时序数据的预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的多周期时序数据的预测方法，其特征在于，采用预设算法计算所述历史数据的周期长度，包括：
3.根据权利要求1所述的多周期时序数据的预测方法，其特征在于，按照所述至少两个周期长度对所述一维时序数据进行特征提取，得到各周期长度的二维时序特征，包括：
4.根据权利要求1所述的多周期时序数据的预测方法，其特征在于，按照所述周期长度对各周期长度的二维时序特征进行展开得到一维时序特征，包括：
5.根据权利要求1所述的多周期时序数据的预测方法，其特征在于...
【技术特征摘要】
1.一种多周期时序数据的预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的多周期时序数据的预测方法，其特征在于，采用预设算法计算所述历史数据的周期长度，包括：
3.根据权利要求1所述的多周期时序数据的预测方法，其特征在于，按照所述至少两个周期长度对所述一维时序数据进行特征提取，得到各周期长度的二维时序特征，包括：
4.根据权利要求1所述的多周期时序数据的预测方法，其特征在于，按照所述周期长度对各周期长度的二维时序特征进行展开得到一维时序特征，包括：
5.根据权利要求1所述的多周期时序数据的预测方法，其特征在于，所述计算所述一维时序特征所对应的概率，包括：
6.根据权利要求1所述的多周期时序数据的预测方法，其特征在于，...
【专利技术属性】
技术研发人员：余俊生，郑雪松，李秀皇，孙斌，卓小密，
申请(专利权)人：广州佳帆计算机有限公司，
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。