[发明专利]一种时间序列曲线的处理方法和装置

说明书

本发明提供了一种时间序列曲线的处理方法和装置，该方法包括：确定时间序列曲线的振幅差值序列，所述振幅差值序列包括多个振幅差值；按照预设条件对所述振幅差值序列中的振幅差值过滤；根据过滤后的多个振幅差值，确定所述时间序列曲线的振幅峰值和/或振幅谷值；确定振幅峰值和/或振幅谷值的时间点，记为目标时间点；依据所述目标时间点的个数总和以及未来预定时间区间内距离今天最近的预测时间点，采用不同的截断方式对所述时间序列曲线进行截断，其中，截断后的所述时间序列曲线用于对位于所述未来预定时间区间内每个时间点上的数据进行预测。本发明能够提升数据预测效果。

技术领域

本发明涉及数据预测技术领域，特别是涉及一种时间序列曲线的处理方法和装置。

背景技术

曲线拟合是时间序列分析中的常用方法，传统的曲线拟合方法适用于较平稳的曲线，其忽视了曲线中可能存在的某些陡峭变化的区间，例如，由于数据采集或突发事件的影响(比如热门视频上线、电视剧大结局等)而导致的时间序列曲线的历史走势中存在巨幅震荡区间。

那么，现有技术中的传统曲线拟合方法在面对具有巨幅震荡区间的曲线时，只是简单的将曲线中的几个异常值进行去除，然后对去除了异常值的时间序列曲线进行未来某些时间点上的数据预测，这样将会产生较大的数据预测偏差，导致拟合效果不佳，进而影响了预测的准确性。

发明内容

本发明提供了一种时间序列曲线的处理方法和装置，以解决现有技术中对时间序列曲线的数据预测准确性差的问题。

为了解决上述问题，根据本发明的一个方面，本发明公开了一种时间序列曲线的处理方法，包括：

确定时间序列曲线的振幅差值序列，所述振幅差值序列包括多个振幅差值；

按照预设条件对所述振幅差值序列中的振幅差值过滤；

根据过滤后的多个振幅差值，确定所述时间序列曲线的振幅峰值和/或振幅谷值；

确定振幅峰值和/或振幅谷值的时间点，记为目标时间点；

依据所述目标时间点的个数总和以及未来预定时间区间内距离今天最近的预测时间点，采用不同的截断方式对所述时间序列曲线进行截断，其中，截断后的所述时间序列曲线用于对位于所述未来预定时间区间内每个时间点上的数据进行预测。

可选地，所述确定时间序列曲线的振幅差值序列，包括：

依次遍历时间序列曲线中的每个点，确定所述时间序列曲线中的至少两个极值点；

依次将在时间坐标上相邻的每两个极值点中时间靠后的一个极值点的振幅与时间靠前的一个极值点的振幅作差运算，得到由多个振幅差值构成的振幅差值序列。

可选地，所述根据过滤后的多个振幅差值，确定所述时间序列曲线的振幅峰值和/或振幅谷值，包括：

在过滤后的多个振幅差值中，对同号且时间相邻的至少两个振幅差值作叠加计算，得到振幅峰值和/或振幅谷值。

可选地，所述确定振幅峰值和/或振幅谷值的时间点，记为目标时间点，包括：

在过滤后的多个振幅差值中，将每个振幅差值对应的时间靠后的一个极值点的时间点确定为每个振幅差值的时间点；

将叠加的所述至少两个振幅差值中时间点靠后的目标振幅差值的目标时间点记录为所述振幅峰值和/或所述振幅谷值的时间点。

可选地，所述依据所述目标时间点的个数总和以及未来预定时间区间内距离今天最近的预测时间点，采用不同的截断方式对所述时间序列曲线进行截断的步骤，包括：

若所述目标时间点的个数总和为偶数，计算所述预测时间点与记录的目标时间点中时间最晚的一个时间点之间的时间间隔；