[发明专利]一种预测方法、装置、设备以及计算机存储介质

权利要求书

1.一种预测方法，所述方法包括：

获取预设历史时长内每一个时间点对目标对象的需求量数据；

通过预测自编码器将所述需求量数据进行分解处理，得到对应的分解结果；其中，所述分解结果包括若干组分解数据，所述若干组分解数据的平均可预测性大于预设阈值；

对所述若干组分解数据各自进行预测处理，得到若干组分解数据预测结果；

通过预测自编码器将所述若干组分解数据的预测结果进行合并处理，得到所述需求量数据对应的预测需求量数据。

2.根据权利要求1所述的方法，所述通过预测自编码器将所述若干组分解数据的预测结果进行合并处理，得到所述需求量数据对应的预测需求量数据之前，所述方法还包括：

对所述若干组分解数据预测结果对应的序列进行长度截取处理，在所述若干组分解数据预测结果与所述需求量数据对应的序列长度相等的情况下，对所述若干组分解数据预测结果进行合并处理。

3.根据权利要求1所述的方法，所述方法还包括：

获取第一训练集；其中，所述第一训练集包括至少一个所述需求量数据作为输入数据；

利用所述第一训练集对目标自编码器进行训练，得到输出数据；

在所述目标自编码器的输入数据、输出数据以及分解得到的所述分解数据满足预设条件的情况下，确定所述目标自编码器为所述预测自编码器。

4.根据权利要求3所述的方法，所述目标自编码器包括编码器和解码器，利用所述第一训练集对目标自编码器进行训练，包括：

将第一输入需求量数据输入所述目标自编码器；

所述编码器将所述第一输入需求量数据进行分解处理，得到分解结果；其中，所述分解结果包括若干组分解数据；

利用可预测性度量模型确定所述若干组分解数据对应的可预测性；

所述解码器对所述分解结果进行合并处理，得到第一输出需求量数据；

其中，所述第一输入需求量数据为所述第一训练集输入数据中的任意一个。

5.根据权利要求4所述的方法，所述在所述目标自编码器的输入数据、输出数据以及分解得到的所述分解数据满足预设条件的情况下，确定所述目标自编码器为所述预测自编码器，包括：

所述目标自编码器的输入数据与输出数据的差异参数小于第一阈值；和/或，

所述若干组分解数据的平均可预测性参数大于第二阈值；和/或，

所述若干组分解数据之间的相似度参数小于第三阈值的情况下，确定所述目标自编码器为所述预测自编码器。

6.根据权利要求5所述的方法，所述平均可预测性参数通过将所述输入需求量数据输入可预测性度量模型得到，所述方法还包括：

获取第二训练集，其中，所述第二训练集包括至少一个需求量数据；

利用所述至少一个需求量数据对应的可预测性参数对所述至少一个需求量数据进行标记；

利用个标记后的至少一个需求量数据对神经网络模型进行训练，得到所述可预测性度量模型。

7.根据权利要求6所述的方法，所述利用所述至少一个需求量数据对应的可预测性参数对所述至少一个需求量数据进行标记，包括：

获取第一需求量数据；

基于所述第一需求量数据，分别确定对应的周期分量、短趋势分量和残差；

分别确定所述周期分量、所述短趋势分量和所述残差对应的周期可预测性、趋势可预测性和残差可预测性；

对所述周期可预测性、所述趋势可预测性和所述残差可预测性进行加权平均计算，得到所述第一需求量数据对应的所述可预测性参数；

利用所述可预测性参数对所述第一需求量数据进行标记；

其中，所述第一需求量数据为所述第二训练集中的任意一个。