[发明专利]时间序列模型参数优化方法、装置、计算机设备

权利要求书

1.一种时间序列模型参数优化方法，其特征在于，所述方法包括：

获取表征各品类物品销量的训练时序数据集和验证时序数据集；

当所述训练时序数据集的时序时长在时间序列模型中周期性参数的可优化时序时长范围内时，确定可优化的周期性参数集；

根据评价指标值和所述验证时序数据集，确定所述可优化的周期性参数集中各周期性参数的周期性参数值；

确定所述训练时序数据集对应的节日类型；

根据各所述节日类型的预设效应值优化所述时间序列模型中节假日项参数，得到节假日项参数值；

根据所述时序时长确定所述时间序列模型支持的变点数量，根据所述变点数量优化所述时间序列模型中趋势项参数，得到趋势项参数值；

根据所述各周期性参数值、节假日参数值和趋势项参数值得到所述各品类标识对应的目标参数值组。

2.根据权利要求1所述的方法，其特征在于，所述获取表征各品类物品销量的训练时序数据集和验证时序数据集，包括：

获取表征物品销量的时间序列数据样本；

对所述时间序列数据样本按照品类标识进行分类，得到各品类物品销量的时间序列数据样本；

根据各所述品类物品销量的时间序列数据样本的时序时长和预设时序时长范围，确定训练集时长和验证集时长；

根据所述训练集时长和所述验证集时长，从所述时间序列数据样本中确定各所述品类标识对应的训练时序数据集和验证时序数据集。

3.根据权利要求2所述的方法，其特征在于，在根据各所述品类物品销量的时间序列数据样本的时序时长和预设时序时长范围，确定训练集时长和验证集时长之前，所述方法还包括：

对各所述品类物品销量的时间序列数据样本进行缺失值处理，检测预处理的时间序列数据样本中是否存在异常数据；

当所述处理后的时间序列数据样本中存在异常数据时，对所述异常数据进行平滑处理。

4.根据权利要求1所述的方法，其特征在于，在所述当所述训练时序数据集的时序时长在时间序列模型中周期性参数的可优化时序时长范围内时，确定可优化的周期性参数集之前，所述方法还包括：

接收周期参数优化指令；

根据所述周期参数优化指令对所述时间序列模型中的周期类型进行优化，确定所述时间序列模型中周期性参数。

5.根据权利要求1所述的方法，其特征在于，所述预设效应值包括节前效应值和节后效应值；所述根据各所述节日类型的预设效应值优化所述时间序列模型中节假日项参数，得到节假日项参数值，包括：

将所述节前效应值和所述节后效应值赋值给所述时间序列模型中节假日项的虚拟变量，得到节假日项参数值。

6.根据权利要求1所述的方法，其特征在于，所述根据所述时序时长确定所述趋势项支持的变点数量，根据所述变点数量确定优化后的趋势项参数值，包括：

根据所述时序时长确定所述趋势项所支持的变点数量；

根据所述变点数量对所述训练时序数据集进行分段，得到时序数据段集；

计算所述时序数据段集中各时序数据段的增长率值，根据各所述增长率值确定预测增长率值，将所述预测增长率值作为趋势项参数值。

7.根据权利要求1所述的方法，其特征在于，所述方法还包括：

从服务器中获取用于预测物品销量的时间序列数据；

将所述时间序列数据输入到优化后的时间序列模型，对所述时间序列数据按照品类标识进行分类，得到各所述品类标识的物品在给定时间段内的销量预测值。