【技术实现步骤摘要】
本申请涉及预测，具体涉及一种数据预测方法及装置。
技术介绍
1、运维（operations and maintenance，ops）数据是确保系统正常运行和优化资源使用的重要手段，尤其是时序数据在系统监控和异常检测等方面具有显著的应用价值。时序预测（time series forecasting，tsf）技术在运维中的应用不仅能够提前预警系统故障，提升维护效率，还在资源调度、性能优化等方面具有重要作用。随着一体机的兴起，其不仅能够生成大量运维数据，还能部署大模型进行实时分析与预测，成为理想的ops数据处理平台，特别适用于私域数据、低时延、带宽受限等场景。
2、一方面，运维数据通常具有显著的非平稳性特征，具体表现为数据的统计特性（如均值和标准差）随时间波动，另一方面，运维数据通常具有多通道（如网络流量、设备温度、系统负载等）相关性，通道间具有复杂的依赖关系，再一方面，运维数据并不总是具备充足的数据量，往往会出现不同通道或时间的数据缺失。
3、而现有的数据预测方法，有的针对平稳数据进行预测，无法有效捕捉数据的长期趋势...
【技术保护点】
1.一种数据预测方法，其特征在于，包括：
2.根据权利要求1所述的数据预测方法，其特征在于，所述对待预测数据进行频域滑动平均自适应归一化，得到目标归一化数据，包括：
3.根据权利要求2所述的数据预测方法，其特征在于，所述对所述低频近似系数和所述高频细节系数进行滑动平均自适应归一化，得到低频归一化系数和高频归一化系数，包括：
4.根据权利要求1所述的数据预测方法，其特征在于，所述对所述目标归一化数据进行分组建模，得到组内外的通道间依赖数据，包括：
5.根据权利要求1所述的数据预测方法，其特征在于，所述对所述大语言模型进行微
<...【技术特征摘要】
1.一种数据预测方法，其特征在于，包括：
2.根据权利要求1所述的数据预测方法，其特征在于，所述对待预测数据进行频域滑动平均自适应归一化，得到目标归一化数据，包括：
3.根据权利要求2所述的数据预测方法，其特征在于，所述对所述低频近似系数和所述高频细节系数进行滑动平均自适应归一化，得到低频归一化系数和高频归一化系数，包括：
4.根据权利要求1所述的数据预测方法，其特征在于，所述对所述目标归一化数据进行分组建模，得到组内外的通道间依赖数据，包括：
5.根据权利要求1所述的数据预测方法，其特征在于，所述对所述大语言模型进行微调，包括：
6.根据权利要求3所述的数据预测方法，其特征在于，所述对所述预测数据进行反归一...
【专利技术属性】
技术研发人员：白雅文，阮小可，崔宁波，严昱超，孙超，张程，刘培源，蒋健，余立，叶晓龙，彭庆，
申请(专利权)人：中国移动通信集团有限公司，
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。