[发明专利]预测模型构建方法、数据预测方法、装置、电子设备和可读存储介质

说明书

本申请提供一种预测模型构建方法、数据预测方法、装置、电子设备和可读存储介质，通过采集平台上的历史运营数据，其中，历史运营数据包括假期数据和非假期数据。再利用采集到的所有历史运营数据对构建的预测模型中的拟合参数进行拟合，预测模型包括第一拟合项和第二拟合项，历史运营数据中的假期数据对第二拟合项产生影响力。本方案中的预测模型，以包含假期数据和非假期数据的历史运营数据进行拟合得到，整体上更加符合平台的真实运营情况。且内部包含可表征假期数据影响力的第二拟合项，使得到的预测模型既能够符合平台的真实运营情况，又能够体现其中假期数据所产生的影响信息，能够用于准确预测平台真实的常态化运营状态。

技术领域

本申请涉及互联网应用技术领域，具体而言，涉及一种预测模型构建方法、数据预测方法、装置、电子设备和可读存储介质。

背景技术

随着互联网应用技术的快速发展，网络直播越来越受到广大用户的喜爱。在网络平台运营中，获取平台日常运营数据情况，对于直观分析平台运营状况十分重要。基于平台日常运营数据，可以对平台未来的运营情况进行合理的预测，从而为运营决策提供有效依据。而在平台日常运营中，主要涉及到两大类型的运营数据，常态化运营数据和非常态化运营数据，例如法定假日、寒假、暑假等节假日所产生的运营数据即为非常态化运营数据。非常态化运营数据往往是造成短期波动的因素，对于评估平台的真实用户规模和发展趋势造成不确定的影响。因此，为了还原平台真实运营情况、对平台未来运营数据进行合理预测，需要排除开平台中非常态化运营数据造成的影响。

现有技术中，为了解决上述场景中所存在的问题，往往是直接采用提取出历史数据中的非假期数据以训练得到相关模型，从而用于对未来的可反映平台常态化的运营状况进行预测。但是，在平台运营过程中，常态化数据和非常态化数据往往是相互交错的，两者之间对彼此可能产生影响。现有方式中采取单独提取出非假期数据以训练得到模型，得到的模型并未考虑常态化数据和非常态化数据之间所存在的关联，得到的模型的预测结果实则与平台的真实运营数据是存在差距的。

发明内容

本申请的目的包括，例如，提供了一种预测模型构建方法、数据预测方法、装置、电子设备和可读存储介质，其能够获得可用于预测平台常态化运营状态的预测模型。

本申请的实施例可以这样实现：

第一方面，本申请实施例提供一种预测模型构建方法，所述方法包括：

采集平台上的历史运营数据，所述历史运营数据包括假期数据和非假期数据；

利用采集的所有历史运营数据对构建的预测模型中的拟合参数进行拟合，所述预测模型包括第一拟合项和第二拟合项，所述历史运营数据中仅假期数据对所述第二拟合项产生影响力。

在可选的实施方式中，所述预测模型为Prophet模型，所述第一拟合项包括用于表征历史运营数据线性变化状态的线性函数项和周期变化状态的三角周期函数项，所述第二拟合项包括用于表征假期数据异常变化影响力的拉普拉斯函数项。

在可选的实施方式中，所述利用采集的所有历史运营数据对构建的预测模型中的拟合参数进行拟合的步骤，包括：

将采集的各所述历史运营数据对应的日期信息代入所述线性函数项、所述三角周期函数项和所述拉普拉斯函数项，并根据对应的历史运营数据对各所述函数项中的拟合参数进行拟合。

在可选的实施方式中，所述预测模型还包括随机误差项，该随机误差项由所述历史运营数据与拟合得到的第一拟合项和第二拟合项表征的拟合运营数据之间的差值构成。

在可选的实施方式中，所述采集平台上的历史运营数据的步骤，包括：

采集平台上每日的历史运营数据；

将采集到的多个历史运营数据按设定划分周期进行划分，并计算划分出后的每组历史运营数据之和。