[发明专利]数据预测方法、装置、设备及存储介质

权利要求书

1.一种数据预测方法，其特征在于，包括：

获取k个业务数据，所述k个业务数据为连续k个时段的业务对象的参数指标，k为大于或等于2的正整数；

将所述k个业务数据输入到第一数据预测模型中，得到第k+1个业务数据；所述第一数据预测模型是根据N个第二数据预测模型聚合得到的，N个所述第二数据预测模型是分别对N个训练样本集合训练得到的，所述N个训练样本集合是根据目标时刻之前连续的N个时段的业务数据得到的，N为大于或等于2的正整数；

推送所述第k+1个业务数据。

2.根据权利要求1所述的方法，其特征在于，所述第一数据预测模型的训练过程，包括：

获取目标时刻之前的连续N个时段对应的N个训练样本集合以及N个初始数据预测模型；

根据各时段对应的训练样本集合，对各初始数据预测模型进行训练，得到训练好的N个第二数据预测模型；

对所述训练好的N个第二数据预测模型进行聚合，得到所述第一数据预测模型。

3.根据权利要求2所述的方法，其特征在于，所述获取目标时刻之前的连续N个时段对应的N个训练样本集合，包括：

获取目标时刻之前的连续N个时段中的业务数据，所述N个时段中的每个时段的业务数据包括M个业务数据，所述M个业务数据为连续M个时段的业务对象的参数指标；

针对所述N个时段中的每个时段，根据所述M个业务数据获取所述每个时段对应的训练样本集合，M为大于或等于4的正整数。

4.根据权利要求3所述的方法，其特征在于，所述根据所述M个业务数据获取所述时段对应的训练样本集合，包括：

采用滑动窗口的方式从所述M个业务数据中提取M-k个训练样本，所述滑动窗口的大小为k+1，所述训练样本包括k+1段业务数据；

将所述M-k个训练样本作为一个训练样本集合。

5.根据权利要求1-4中任一项所述的方法，其特征在于，所述第一数据预测模型的更新过程，包括：

获取新的M个业务数据；

根据所述新的M个业务数据，构建一个新的训练样本集合；

根据所述新的训练样本集合，对初始数据预测模型进行训练，得到新的第二数据预测模型；

将所述N个第二数据预测模型以及所述新的第二数据预测模型进行聚合，得到更新后的第一数据预测模型。

6.根据权利要求1-4中任一项所述的方法，其特征在于，获取训练好的多个第二数据预测模型，包括：

获取新的M个业务数据；

根据所述新的M个业务数据，构建一个新的训练样本集合；

根据所述新的训练样本集合，对初始数据预测模型进行训练，得到新的第二数据预测模型；

去除所述N个第二数据预测模型中采用时间最早的业务数据训练得到的第二数据预测模型，得到N-1个第二数据预测模型；

将所述N-1个第二数据预测模型以及所述新的第二数据预测模型进行聚合，得到更新后的第一数据预测模型。

7.根据权利要求1所述的方法，其特征在于，所述训练样本集合包括多个训练样本，所述训练样本包括k个业务数据样本以及第k+1个业务数据样本，所述第二数据预测模型的训练过程，包括：

将所述k个业务数据样本作为所述第二数据预测模型的输入，将所述第k+1个业务数据样本作为所述第二数据预测模型的输出，对所述第二数据预测模型进行训练，得到训练好的一个第二数据预测模型。

8.根据权利要求1所述的方法，其特征在于，所述方法还包括：

根据所述k个业务数据以及所述第k+1个业务数据，生成业务数据随时间变化的图表信息；

在图像用户界面上展示所述图表信息。