[发明专利]多变量时间序列预测方法和系统

权利要求书

1.一种多变量时间序列预测方法，用于预测产品数量统计信息，所述方法包括：

采集至少一组与目标数据相关联的数据，所述目标数据包括数量统计信息；

对所述至少一组采集的数据进行处理，得到至少一组特征数据；

使用多个模型对所述特征数据进行训练，所述多个模型采用各自不同的方式对所述特征数据进行训练以得到针对所述目标数据的预测结果；以及

将训练好的多个模型得到的预测结果进行组合，得到目标数据的预测结果；

其中，所述对所述至少一组采集的数据进行处理，得到至少一组特征数据，包括：

将至少一组采集的数据逐一与目标数据进行相关性和/或相似度计算，选择相关性超过阈值或者相似度超过阈值的数据作为特征数据，得到多组特征数据；

对所述多组特征数据执行以下操作中的至少一个，得到所述至少一组特征数据：

根据相关性和相似性，将多组特征数据进行至少一种组合，得到至少一个特征数据集，作为至少一组特征数据；

为每一个特征数据集配置至少一个降维比例，得到至少一个降维特征数据集，作为至少一组特征数据；

为每一组特征数据配置至少一个前置参数，得到所述至少一组特征数据，所述前置参数与时间序列预测选取的时间区域相关；以及

为降维后新生成的每一组特征数据配置至少一个前置参数，得到所述至少一组特征数据；

以及

将所述至少一组特征数据输入到模型中，进行训练，以得到最优特征数据集和最优特征数据集的前置参数，所述最优特征数据集和所述前置参数作为后续多模型训练的输入数据。

2.根据权利要求1所述的方法，其中，与所述目标数据相关联的数据包括：

外部数据，所述外部数据表示影响所述多变量时间序列预测的系统外部数据信息；和/或

内部数据，所述内部数据表示影响所述多变量时间序列预测的系统内部数据信息。

3.根据权利要求1所述的方法，其中，所述使用多个模型对所述特征数据进行训练是并行进行的。

4.根据权利要求1所述的方法，其中，所述将训练好的多个模型得到的预测结果进行组合，包括：

平均组合，对各模型的预测结果取平均值，作为目标数据的预测结果；或者

加权组合，对各模型的预测结果取加权平均值，作为目标数据的预测结果。

5.根据权利要求1所述的方法，其中：

所述对所述至少一组采集数据进行处理，得到特征数据，还包括：

对所述特征数据的所有非空子集进行模型预训练，得到训练结果；

选择训练结果最优的模型对应的子集中的特征数据作为最优特征数据；

所述使用多个模型对所述特征数据进行训练包括，使用多个模型对所述最优特征数据进行训练。

6.根据权利要求1所述的方法，其中：

所述对所述至少一组采集数据进行处理，得到特征数据，还包括：

对所述特征数据进行不同降维比例的降维处理，得到多个降维特征数据；

对所述多个降维特征数据进行模型预训练，得到训练结果；

选择训练结果最优的模型对应的所述降维特征数据作为最优降维特征数据；

所述使用多个模型对所述特征数据进行训练包括，使用多个模型对所述最优降维特征数据进行训练。

7.根据权利要求1所述的方法，其中：

所述对所述至少一组采集数据进行处理，得到特征数据，还包括：

为所述特征数据中的每一组特征数据配置至少一个前置参数；

在各组特征数据的不同前置参数组合下，对所述特征数据进行模型预训练；

选择训练结果最优的模型对应的前置参数组合作为各组特征数据对应的最优前置参数；

所述使用多个模型对所述特征数据进行训练包括，使用多个模型根据所述最优前置参数对所述特征数据进行训练。

8.一种多变量时间序列预测系统，包括：

一个或多个存储器，存储有可执行指令；以及

一个或多个处理器，运行所述可执行指令以执行根据权利要求1-7之一所述的方法。

9.一种非易失性存储介质，存储有计算机可执行指令，所述指令在被执行时用于执行根据权利要求1-7之一所述的方法。