[发明专利]模型生成方法、装置及设备

说明书

本发明实施例提供一种模型生成方法、装置及设备，本发明实施例利用平稳时间序列在不同阶数下的自相关系数和偏自相关系数确定至少两个(p，q)对，实现(p，q)对的构建，由于p和q分别为ARMA模型的自相关阶数和移动平均阶数，因此，针对每个(p，q)对，确定该(p，q)对对应的参考ARMA模型，并确定参考ARMA模型的模型指标参数，依据各个参考ARMA模型的模型指标参数确定目标ARMA模型，提高模型的生成效率，并避免引入人为因素导致模型预测准确率低的缺陷。

技术领域

本发明涉及时间序列数据处理的技术领域，尤其涉及模型生成方法、装置及设备。

背景技术

所谓时间序列，是按时间的顺序记录的一列有序数据，对时间序列进行观察、研究，可以发现有价值的规律性信息，并可利用发现的规律性信息对将来的时间序列进行预测。例如，时间序列可以为每个时间点的电力负荷值，或者每个时间点的交通流量值，或者每个时间点的产品销量值等。

自回归移动平均模型(Autoregressive moving average model，ARMA模型)对平稳时间序列具有很好的拟合效果，因此，目前可以采用ARMA模型进行建模，获得用于预测被观察对象未来时间序列的目标ARMA模型。然而，建模过程中需要人工通过观察自相关函数图和偏自相关函数图，并根据人工经验来确定ARMA模型的阶数，以获得适当的目标ARMA模型。采用人工定阶而得的目标ARMA模型对未来数据进行预测，模型生成过程低效且预测结果准确性低。

发明内容

为克服相关技术中存在的问题，本发明提供了模型生成方法、装置及设备。

根据本发明实施例的第一方面，提供一种模型生成方法，所述方法包括：

获取平稳时间序列；

利用所述平稳时间序列在不同阶数下的自相关系数和偏自相关系数确定至少两个(p，q)对，p和q分别为ARMA模型的自相关阶数和移动平均阶数；

针对每个(p，q)对，确定该(p，q)对对应的参考ARMA模型，并确定所述参考ARMA模型的模型指标参数；

依据各个参考ARMA模型的模型指标参数确定目标ARMA模型。

在一个实施例中，所述获取平稳时间序列，包括：

获取时间序列；

检查所述时间序列是否满足平稳趋势条件，若满足，将所述时间序列确定为所述平稳时间序列；

若不满足，对所述时间序列进行平稳化处理，并在处理后的序列满足平稳趋势条件时，将处理后的序列作为所述平稳时间序列。

在一个实施例中，所述对所述时间序列进行平稳化处理，包括：

对所述时间序列进行第一处理得到第一序列，所述第一处理为一阶差分处理；

若所述第一序列不满足平稳趋势条件，则对第一序列进行第二处理得到第二序列；其中，当所述第一序列中的数据按周期发生变化时，所述第二处理包括：步长为所述周期的差分处理、二阶差分处理，否则，所述第二处理包括：二阶差分处理；

若所述第二序列仍不满足平稳趋势条件，则依据外部控制操作对所述第二序列进行平稳化处理。

在一个实施例中，所述利用所述平稳时间序列在不同阶数下的自相关系数和偏自相关系数确定至少两个(p，q)对，包括：

按阶数递增的顺序依次判断各阶数的自相关系数是否满足指定条件，将第一个满足指定条件的自相关系数的阶数作为p的上限值，将预设值作为p的下限值；

按阶数递增的顺序依次判断各阶数的偏自相关系数是否满足指定条件，将第一个满足指定条件的偏自相关系数的阶数作为q的上限值，将预设值作为q的下限值；