数据预测方法与装置、电子设备、存储介质与产品制造方法及图纸

本公开涉及通信技术领域，尤其是提供一种数据预测方法与装置、电子设备、存储介质与产品。本公开通过获取目标项目数据；利用训练完成的数据预测模型对所述目标项目数据进行处理，得到数据预测模型输出的目标决策数据。本公开在获取目标项目数据后，会由训练完成的数据预测模型对目标项目数据进行处理，从而输出目标决策数据。数据预测模型在训练过程，会使用搜索代理对数据预测模型迭代过程中的参数进行动态调整，降低误差，从而使得数据预测模型输出的训练预测结果更贴近实际情况。本公开在训练过程中，可以直接根据训练数据的维度灵活地构建数据预测模型，不需要挑选关联数据，从而节省了人力资源。

【技术实现步骤摘要】

本公开涉及通信，尤其是涉及一种数据预测方法与装置、电子设备、存储介质与产品。

技术介绍

1、目前，在现有技术中，往往只利用单一参数关联方法构建预测模型。然而，单一参数的挑选在一定程度上依然依靠工作人员的经验，并且随着技术不断地发展和现实中工程复杂性的增加，对预测模型的要求也随之增加，如何使得预测模型灵活地适应各种数据维度变化并得到更精确的计算结果，成为本领域亟待解决的技术问题。

技术实现思路

1、鉴于上述问题而提出了本公开。本公开提供了一种数据预测方法与装置、电子设备、存储介质与产品。

2、根据本公开的一个方面，提供了一种数据预测方法，包括：获取目标项目数据；利用训练完成的数据预测模型对所述目标项目数据进行处理，得到所述数据预测模型输出的目标决策数据；其中，所述数据预测模型基于至少一个搜索代理的全局寻优过程训练得到。

3、根据本公开的另一个方面，提供了一种数据预测装置，包括：数据获取模块，用于获取目标项目数据；数据处理模块，用于利用训练完成的数据预测模型对所述目标项目数据进行处理，得到本文档来自技高网...

【技术保护点】

1.一种数据预测方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

3.根据权利要求2所述的方法，其特征在于，所述以第一训练模型的第一模型参数为基础，利用鸽群算法进行全局寻优处理，得到第二模型参数，包括：

4.根据权利要求3所述的方法，其特征在于，所述方法还包括：

5.根据权利要求1-4任一项所述的方法，其特征在于，所述数据预测模型为神经网络模型；所述神经网络模型包括：输入层、隐藏层与输出层；

6.根据权利要求1-5任一项所述的方法，其特征在于，所述目标决策数据用于对所述目标项目数据进行...

【技术特征摘要】

1.一种数据预测方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

3.根据权利要求2所述的方法，其特征在于，所述以第一训练模型的第一模型参数为基础，利用鸽群算法进行全局寻优处理，得到第二模型参数，包括：

4.根据权利要求3所述的方法，其特征在于，所述方法还包括：

5.根据权利要求1-4任一项所述的方法，其特征在于，所述数据预测模型为神经网络模型；所述神经网络模型包括：输入层、隐藏层与输出层；

6.根据权利要求1-5任一项所述的方法，其特征在于，所述目标决策数据用于对所述目标项目数据进行决策评估；

7.根据权利要求1-4任一项所述的方法，其特征在于，所述数据预测模型的输入数据包括...

【专利技术属性】
技术研发人员：田欣怡，刘凡，黎炜，许文博，涂艳丽，
申请(专利权)人：中国移动通信集团设计院有限公司，
类型：发明
国别省市：