[发明专利]本地化时间模型预测

说明书

本文中揭示的是对与事件数据叠加的多变量时间系列数据建模有关的系统、计算机可读介质和方法。特别是，一些示例涉及选择与最近时间系列数据阵列类似的一个或多个历史时间系列数据阵列并且基于事件数据来过滤该类似的历史时间系列数据阵列。一些示例还可涉及使用经过滤历史时间系列数据阵列来训练本地化时间预测模型。一些示例可包括在需要预测的时间或附近建立和/或训练本地化时间预测模型。

相关申请的交叉引用

本申请要求2016年1月14日提交的题为“Localized Temporal ModelForecasting(本地化时间模型预测)”的美国非临时专利申请No.14/996,154的优先权，该专利申请通过引用整体结合于此。

背景技术

时间预测通常利用使用所有(或大多数)可用数据训练的预测模型。使用所有可用数据训练的用于预测的模型可能不能准确地生成针对给定最近数据模式的预测。进一步，一些时间预测模型可能不计及事件数据(例如，表示间歇、异步和/或瞬态事件的数据)并且因此在涉及事件时可能不能够准确地预测近期系统参数值和/或响应。

概览

一般来说，一些实现可包括与事件数据叠加以训练本地化时间预测模型的多变量时间系列数据的模型预测有关的系统、计算机可读介质、和方法。特别是，一些示例涉及选择与最近时间系列数据阵列类似的一个或多个历史时间系列数据阵列并且基于事件数据来过滤该类似的历史时间系数据阵列。一些示例还可涉及使用经过滤历史时间系列数据阵列来训练本地化时间预测模型。一些示例可包括在需要预测的时间(例如，经由贪婪的学习技术)或附近建立和/或训练本地化时间预测模型。

如以上所讨论的，本文中提供的一些示例与建模有关。在一个方面，提供了一种计算系统。该计算系统包括至少一个处理器、非瞬态计算机可读介质、以及存储在非瞬态计算机可读介质上的由至少一个处理器执行的程序指令。当被执行时，程序指令可致使计算系统a)获得表示与系统相关联的一个或多个参数的集合的第一时间系列数据阵列，以及b)标识与第一时间系列数据阵列类似的一个或多个历史时间系列数据，该一个或多个历史时间系列数据阵列表示一个或多个参数的集合的相应过去值。当被执行时，程序指令还可致使计算系统c)获得与第一时间系列数据阵列相关联的第一事件数据和与一个或多个历史时间系列数据阵列中的每一者相关联的历史事件数据，以及d)基于第一事件数据与关联于一个或多个历史时间系列数据阵列中的每一者的历史事件数据的比较来过滤一个或多个历史时间系列数据阵列以获得一个或多个经过滤历史时间系列数据阵列。

当被执行时，程序指令可进一步致使计算机系统e)使用一个或多个经过滤历史时间系列数据阵列来训练时间系列预测模型，以及f)使用经训练的时间系列预测模型来生成对一个或多个参数的集合的至少一个参数的将来值的预测。在一些示例中，a)-f)可基于时间到期或接收生成预测的请求的时间段中的一者来重复。程序指令可进一步被至少一个处理器执行以致使计算系统检测时间变化，并且基于检测到的变化，重复a)以在先前第一时间系列数据阵列的时间之后的时间获得表示一个或多个参数的集合的经更新的第一时间系列数据阵列。当被执行时，程序指令还可致使计算系统基于经更新的第一时间系列数据阵列来重复b)-f)。

程序指令可进一步被至少一个处理器执行以致使计算系统检测一个或多个参数的集合的至少一个参数的变化，并且基于检测到的变化，重复a)以在先前第一时间系列数据阵列的时间之后的时间获得表示一个或多个参数的集合的经更新的第一时间系列数据阵列。当被执行时，程序指令还可致使计算系统基于经更新的第一时间系列数据阵列来重复b)-f)。

程序指令可进一步被至少一个处理器执行以致使计算系统将预测传送给另一系统。在一些示例中，第一事件数据指示在第一时间系列数据阵列的一时间已经发生并且在第一时间系列数据阵列的该时间之后预期影响该系统的行为的事件。与一个或多个经过滤历史时间系列数据阵列中的每一者相关联的相应历史事件数据可指示与第一事件类似的事件。