[发明专利]时间序列预测方法、装置、电子设备及存储介质

权利要求书

1.一种时间序列预测方法，其特征在于，包括：

获取时间序列数据，其中，所述时间序列数据是基于行情数据的特征因子组成的集合，所述特征因子至少包括以下之一：单位时间内的成交量、成交金额、敞口；

对所述时间序列数据进行预处理，得到三维方阵；

将所述三维方阵输入量子卷积网络模型进行酉变换处理，输出态矢结果，其中，所述酉变换处理用于预测所述三维方阵，所述量子卷积网络模型为预定数量的卷积层、池化层、全连接层以及输出层构成的神经网络模型；

对所述态矢结果进行测量，得到对所述时间序列数据的预测结果。

2.根据权利要求1所述的方法，其特征在于，所述对所述时间序列数据进行预处理，得到三维方阵,包括：

对所述时间序列数据进行归一化处理；或者

对所述时间序列数据进行特征衍生处理，得到所述三维方阵，其中，所述特征衍生处理包括：计算均值、标准差、偏度、峰度、回归系数。

3.根据权利要求2所述的方法，其特征在于，在对所述时间序列数据进行预处理之后，包括：

采用多个量子比特构建量子空间；

将所述特征因子转化为所述量子空间中与所述特征因子对应的态矢；

将多个所述特征因子对应的态矢结合，得到所述三维方阵。

4.根据权利要求1所述的方法，其特征在于，将所述三维方阵输入量子卷积网络模型进行酉变换处理，包括：

采用量子层构建所述量子卷积网络模型；

采用所述量子卷积网络模型对所述三维方阵进行酉变换处理，得到所述态矢结果。

5.根据权利要求1所述的方法，其特征在于，对所述态矢结果进行测量，得到对所述时间序列数据的预测结果，包括：

接收所述量子卷积网络模型输出的所述态矢结果；

测量所述态矢结果，得到可观测信息；

将所述可观测信息作为所述时间序列数据的预测结果。

6.一种时间序列预测装置，其特征在于，包括：

获取模块，用于获取时间序列数据，其中，所述时间序列数据是基于行情数据的特征因子组成的集合，所述特征因子至少包括以下之一：单位时间内的成交量、成交金额、敞口；

第一处理模块，用于对所述时间序列数据进行预处理，得到三维方阵；

第二处理模块，用于将所述三维方阵输入量子卷积网络模型进行酉变换处理，输出态矢结果，其中，所述酉变换处理用于预测所述三维方阵，所述量子卷积网络模型为预定数量的卷积层、池化层、全连接层以及输出层构成的神经网络模型；

测量模块，用于对所述态矢结果进行测量，得到对所述时间序列数据的预测结果。

7.根据权利要求6所述的装置，其特征在于，所述第一处理模块还用于：

对所述时间序列数据进行归一化处理；或者对所述时间序列数据进行特征衍生处理，得到所述三维方阵，其中，所述特征衍生处理包括：计算均值、标准差、偏度、峰度、回归系数。

8.根据权利要求6所述的装置，其特征在于，所述第二处理模块还包括：

构建单元，用于采用量子层构建所述量子卷积网络模型；

处理单元，用于采用所述量子卷积网络模型对所述三维方阵进行酉变换处理，得到所述态矢结果。

9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有多条指令，所述指令适于由处理器加载并执行权利要求1至5中任意一项所述的时间序列预测方法。

10.一种电子设备，其特征在于，包括一个或多个处理器和存储器，所述存储器用于存储一个或多个程序，其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现权利要求1至5中任意一项所述的时间序列预测方法。