【技术实现步骤摘要】
本申请涉及互联网，尤其涉及一种时序数据预测方法、计算机及存储介质。
技术介绍
1、互联网中许多环节需要监控大量的时间序列数据，对这些时间序列数据进行精准预测及异常识别，有利于及时捕捉市场机会、提前进行资源规划。现有方案中使用基于神经网络的时序数据预测模型(neura l prophet模型)进行时序数据预测，基于神经网络的时序数据预测模型虽然能够自动处理时序数据的各种特征，并捕捉和建模数据中的非线性关系，但是在时序数据具有固定且稳定周期性变化时，基于神经网络的时序数据预测模型可能会忽略时间序列中固定和稳定周期性变化所提供的信息，导致最后得到的预测结果不够准确。
技术实现思路
1、本申请实施例提供一种时序数据预测方法、计算机及存储介质，通过多重季节性趋势分解方法根据第一时序数据中不同层次的周期成分和第一时序数据得到第一时序数据预测结果，充分考虑了第一时序数据中周期性变化所提供的信息，同时，使用模型和第一时序数据得到第二时序数据预测结果，最后综合第一时序数据预测结果和第二时序数据预测结果得到目...
【技术保护点】
1.一种时序数据预测方法，其特征在于，所述方法包括：
2.如权利要求1所述的方法，其特征在于，所述对时序数据进行预处理，得到第一时序数据，包括：
3.如权利要求1所述的方法，其特征在于，所述通过多重季节性趋势分解方法根据所述第一时序数据中不同层次的周期成分和所述第一时序数据，得到第一时序数据预测结果，包括：
4.如权利要求3所述的方法，其特征在于，所述从所述不同层次的周期成分中选择目标数量的周期成分，得到周期成分序列，包括：
5.如权利要求1-4任一项所述的方法，其特征在于，所述根据模型和所述第一时序数据得到第二时序数据
【技术特征摘要】
1.一种时序数据预测方法，其特征在于，所述方法包括：
2.如权利要求1所述的方法，其特征在于，所述对时序数据进行预处理，得到第一时序数据，包括：
3.如权利要求1所述的方法，其特征在于，所述通过多重季节性趋势分解方法根据所述第一时序数据中不同层次的周期成分和所述第一时序数据，得到第一时序数据预测结果，包括：
4.如权利要求3所述的方法，其特征在于，所述从所述不同层次的周期成分中选择目标数量的周期成分，得到周期成分序列，包括：
5.如权利要求1-4任一项所述的方法，其特征在于，所述根据模型和所述第一时序数据得到第二时序数据预测结果，包括：
6.如权利要求1-4任一项所述的方法，其特征在于，所述根据...
【专利技术属性】
技术研发人员：唐延华，
申请(专利权)人：马上消费金融股份有限公司，
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。