[发明专利]业务指标的时间序列预测方法、装置及设备

权利要求书

1.一种业务指标的时间序列预测方法，包括：

获取业务指标的实时序列，所述实时序列包括所述业务指标在当前评估周期内的多个过去时刻的指标值；

获取多个历史序列，每个历史序列包括所述业务指标或者相关指标在一个历史评估周期内的多个历史时刻的指标值；所述相关指标是指与所述业务指标所属业务相似的业务的指标；

基于所述多个历史序列，确定评估周期时长内的历史趋势序列；

基于所述历史趋势序列以及所述实时序列，得到与当前评估周期对应的多个分解序列；所述多个分解序列包括，活动序列、周期序列和趋势序列，所述活动序列利用预设的活动形态拟合函数确定；所述活动序列用于反映与所述业务指标相关的业务活动引起的序列波动；所述序列波动包括瞬时升高或瞬时降低；

基于所述多个分解序列，确定与当前评估周期对应的总时间序列；所述总时间序列用于预测当前评估周期内的未来时刻的指标值。

2.根据权利要求1所述的方法，

所述基于所述历史趋势序列以及所述实时序列，得到与当前评估周期对应的多个分解序列，包括：

多次迭代地执行以下步骤：

获取前次迭代对应的趋势序列；

基于所述前次迭代对应的趋势序列，对所述实时序列执行去趋势操作，得到去趋势序列；

基于所述历史趋势序列和所述去趋势序列，采用非线性回归算法确定当前迭代对应的周期序列；

基于所述当前迭代对应的周期序列，对所述去趋势序列执行去周期操作，得到去周期序列；

基于所述去周期序列，利用预设的活动形态拟合函数确定当前迭代对应的活动序列；

基于所述当前迭代对应的活动序列，对所述去周期序列执行去活动操作，得到去活动序列；

采用趋势平滑算法，对所述去活动序列进行趋势平滑，以得到当前迭代对应的趋势序列。

3.根据权利要求2所述的方法，所述基于所述去周期序列，利用预设的活动形态拟合函数确定当前迭代对应的活动序列，包括：

基于异常检测算法，对所述去周期序列进行异常检测，并截取异常子序列；

基于所述异常子序列，利用至少一个活动形态拟合函数对所述去周期序列进行拟合，得到至少一个拟合结果；

基于各个拟合结果各自对应的拟合优度，对至少一个拟合结果进行筛选，并基于筛选后的拟合结果确定当前迭代对应的活动序列。

4.根据权利要求3所述的方法，所述至少一个活动形态拟合函数包括指数衰减函数以及矩形衰减函数中的至少一种。

5.根据权利要求2所述的方法，所述非线性回归算法包括以下任一种：K最近邻KNN算法以及xgboost算法。

6.根据权利要求1所述的方法，所述基于所述多个历史序列，确定评估周期时长内的历史趋势序列，包括：

分别计算所述实时序列与各个历史序列之间的距离；

根据所述距离，对所述多个历史序列采用聚类算法进行聚类，得到多个序列簇，并从所述多个序列簇中确定出所述实时序列所属序列簇；

基于确定出的序列簇中的历史序列，确定评估周期时长内的历史趋势序列。

7.根据权利要求6所述的方法，所述分别计算所述实时序列与各个历史序列之间的距离，包括：

对所述实时序列以及各个历史序列进行预处理；

分别计算预处理后的所述实时序列与预处理后的各个历史序列之间的距离；

所述预处理可以包括以下一种或多种：缺失值补全、小波变换、归一化以及序列筛选。

8.根据权利要求6所述的方法，所述聚类算法为dbscan算法。