[发明专利]一种时间序列模型的构建方法、装置

说明书

本发明涉及一种模型构建方法，具体公开了一种时间序列模型的构建方法，所述的一种时间序列模型的构建方法，应用于企业招投标的电子设备，用于企业对当前招投标所需的评标专家人数进行预测，包括：步骤S1：获取历年招投标评标专家人数的数据，整合为历史数据序列；步骤S2：对所述历史数据序列进行多次模型拟合，得到最终模型；步骤S3：根据所述最终模型，得到所述企业当次招投标评专家人数预测数据序列。本发明具有能够通过构建时间序列模型来预测企业在未来招投标所需要评标专家人数的优点。

技术领域

本发明涉及一种模型构建方法，具体涉及了一种时间序列模型的构建方法。

背景技术

时间序列模型作为一种短期预测模型，是可以广泛应用于经济、医学、气象、地理、水文、地质等各个领域。但是由于该模型的算法复杂，在建模时对数据序列有着极为严格的校验过程和复杂变换过程，而在实际生活中很少有平稳数据序列，所以该模型在实际研究中很少应用。目前并没有一款能够很好地在企业招投标的过程中预测未来所需要评标专家人数的软件。

发明内容

针对现有技术存在企业不能预测在未来招投标所需要评标专家的人数，本发明的目的在于提供时间序列模型的构建方法，具有能够通过构建时间序列模型来预测企业在未来招投标所需要评标专家人数的优点。

本发明的上述技术目的是通过以下技术方案得以实现的：

一种时间序列模型的构建方法，其特征在于，应用于企业招投标的电子设备，用于企业对当前招投标所需的评标专家人数进行预测，包括：

步骤S1：获取历年招投标评标专家人数的数据，整合为历史数据序列；

步骤S2：对所述历史数据序列进行多次模型拟合，得到最终模型；

步骤S3：根据所述最终模型，得到所述企业当次招投标评专家人数预测数据序列。

优选地，所述整合为历史数据序列包括：

对获取到的历年招投标评标专家人数的数据整合为第一序列；

当所述第一序列不为平稳序列时，对所述第一序列进行至少一步差分，直至所述第一序列变成平稳序列；

当所述第一序列为平稳序列时，则进行步骤S2。

优选地，对所述历史数据序列进行多次模型拟合，得到最终模型群包括：

对所述历史数据序列建立多个模型，构成模型群；

对所述模型群内每一个模型进行残差计算，获取每一个模型的残差值；

对所述残差值进行判断，如果残差的大部分自相关系数在和之间，则保留该模型否则剔除，其中n为观测点的数量；

对剔除后的模型群进行筛选，得到残值的大部分自相关系数最接近0的模型，将该模型作为最终模型。

优选地，根据所述最终模型，得到所述企业当次招投标评专家人数预测数据序列包括：

通过步骤S2得到的最终模型，输出所述评标专家人数预测数据序列；

通过Sidak算法，检测所述历史数据序列和所述预测数据序列中的异常值。

一种时间序列模型的构建装置，其特征在于，应用于企业招投标的电子设备，用于企业对当前招投标所需的评标专家人数进行预测，包括：

数据序列获取模块，所述数据序列获取模块获取历年招投标评标专家人数的数据，整合为历史数据序列；

模型获取模块，所述模型获取模块对所述历史数据序列进行多次模型拟合，得到最终模型；

预测数据序列获取模块，所述预测数据序列获取模块根据所述最终模型，得到所述企业当次招投标评专家人数预测数据序列。

优选地，所述数据序列获取模块包括：

数据序列整合单元，所述数据序列整合单元对获取到的历年招投标评标专家人数的数据整合为第一序列；