[发明专利]大数据量预测的三层联合动态选择最优模型方法

权利要求书

1.一种大数据量预测的三层联合动态选择最优模型方法，其特征在于：包括预测模型算法库、权重算法库、最优权重算法甄选算法三层，预测模型算法库放置在最底层，在预测模型算法库之上是权重算法库，在权重算法库之上是最优权重算法甄选算法；

预测模型算法库：包含若干种预测模型算法，这些算法被抽象成共同的接口，放置在联合算法的最底层，提供预测功能，支撑更上层的功能；

权重算法库：对预测模型算法库的最底层算法的多样性进行屏蔽，根据底层算法的预测结果，按若干种标准对底层算法进行甄选组合，形成若干种权重算法；

最优权重算法甄选算法：根据验证集中权重算法的效果，选择最优的权重算法，进行预测；

预测模型算法库具体的实现步骤如下：

输入训练数据；对训练数据预处理后，得到待用数据；

使用两种以上的不同算法对待用数据进行模型拟合，得到各待选模型；

对训练数据预处理，具体包括：

数据筛选：去除过于稀疏的数据列；

时间格式的处理：将时间列映射为连续的整数；

数据补值：缺失数据插值、错误数据插值；

权重算法采用如下算法：

算法一：给予所有预测模型相同的权重；

算法二：剔除百分之二十预测结果相对较差的模型，并给予剩下的模型相同的权重；

算法三：计算各模型误差均方根，然后根据误差均方根大小，设计一个反趋势的函数，并根据该函数给各模型赋予权重；

算法四：计算各模型最小绝对误差，然后根据最小绝对误差大小，设计一个反趋势的函数，并根据该函数给各模型赋予权重；

算法五：计算各模型最小二乘计算的误差，然后根据最小二乘计算的误差大小，设计一个反趋势的函数，并根据该函数给各模型赋予权重；

算法六：计算各模型赤池信息量准则，然后根据赤池信息量准则大小，设计一个反趋势的函数，并根据该函数给各模型赋予权重。

2.如权利要求1所述的大数据量预测的三层联合动态选择最优模型方法，其特征在于，预测模型算法库具体的实现步骤如下：

调用预测模型库，得到预测模型的预测数据集；

分别调用各个权重算法，并计算权重；

赋予各预测模型相应权重，进行数据预测，存储预测的数据。

3.如权利要求1所述的大数据量预测的三层联合动态选择最优模型方法，其特征在于，最优权重算法依据各权重算法在测试集上的预测效果，来甄选最优权重算法；最优权重算法甄选算法的具体步骤如下：

调用权重算法库的算法，得到权重预测的数据的集合；

利用权重库预测的数据集，与验证集比对，得到误差；

由最小误差，得到最优权重算法；

将最优权重方法预测的数据存储，得到预测结果。