CN109359104B - 时间数据序列的缺失数据插值方法和装置 - Google Patents

Abstract

缺失数据处理是数据清洗流程中最重要的环节之—，为了利用时间序列数据的周期性，更好地拟合时间序列预测模型，本发明提供了一种时间数据序列的缺失数据插值方法和装置，该方法包括步骤：获取对第一时间数据序列的缺失数据进行插值后得到的第二时间数据序列；将第二时间数据序列进行数据分解得到趋势部分数据和周期性部分数据；根据周期性部分数据判断第二时间数据序列是否具有周期性；若是则根据第一时间数据序列的趋势部分数据对该趋势部分数据的缺失数据进行插值，将周期性部分和趋势部分进行分离，单独对趋势部分进行插值处理，既保证了周期性数据没有遭到破坏，也保证了周期性数据没有对插值处理过程造成干扰，提高了插值准确性。

Description

时间数据序列的缺失数据插值方法和装置

技术领域

本发明涉及数据分析技术领域，特别是涉及一种时间数据序列的缺失数据插值方法、时间数据序列的缺失数据插值装置、时间数据序列的填补数据获取方法、时间数据序列的填补数据获取装置、计算机设备和计算机可读存储介质。

背景技术

数据缺失是数据分析技术领域经常遇到的问题，例如在对时间数据序列进行建模预测时，时间数据序列的长度和完整性对拟合模型的可靠性具有较大的影响，由于时间数据序列的观测值具有不可重复的特性，随意插补或忽略时间数据序列的缺失数据容易降低拟合模型的可靠性，需要对时间序列数据中的缺失数据进行准确地插值填补。

传统技术主要通过删除法、均值填充法、极大似然估计法、三次样条插值法和拉格朗日插值法等方法对时间数据序列的缺失数据进行处理，然而在这些方法实施过程中，发现传统技术对时间数据序列进行插值填补得到的数据容易对原来的时间数据序列的数据特征和规律造成破坏，影响了对时间序列数据中的缺失数据进行插值的准确性。

发明内容

基于此，有必要针对传统技术准确性偏低的技术问题，提供一种时间数据序列的缺失数据插值方法、时间数据序列的缺失数据插值装置、时间数据序列的填补数据获取方法、时间数据序列的填补数据获取装置、计算机设备和计算机可读存储介质。

一种时间数据序列的缺失数据插值方法，包括步骤：

获取对第一时间数据序列的缺失数据进行插值后得到的第二时间数据序列；

将所述第二时间数据序列进行数据分解,得到所述第二时间数据序列的趋势部分数据和周期性部分数据；其中，所述第二时间数据序列的趋势部分数据携带所述第一时间数据序列的趋势部分数据；

根据所述周期性部分数据判断所述第二时间数据序列是否具有周期性；

若是，则根据所述第一时间数据序列的趋势部分数据对该趋势部分数据的缺失数据进行插值。

上述时间数据序列的缺失数据插值方法，在对第一时间数据序列的缺失数据进行插值后，获取第二时间数据序列并进行数据分解得到该第二时间数据序列的趋势部分数据和周期性部分数据，利用周期性部分数据判断该第二时间数据序列是否具有周期性，若是则根据第一时间数据序列的趋势部分数据对该趋势部分数据的缺失数据进行插值，使得在对时间数据序列进行初次插值补缺后，能够将时间数据序列的周期性部分和趋势部分进行分离，并根据周期性部分呈现的周期特性，单独对时间数据序列中的趋势部分进行插值处理，避免了周期性部分数据对插值的影响，使得时间数据序列得到二次插值补缺处理，既能保证周期性数据没有遭到破坏，还能保证周期性数据没有在插值处理时造成干扰，提高了对时间数据序列的缺失数据进行插值的准确性。

在一个实施例中，在所述获取对第一时间数据序列的缺失数据进行插值后得到的第二时间数据序列的步骤之前，还包括：

检测所述第一时间数据序列中的缺失数据；通过三次样条插值法对所述第一时间数据序列中的所述缺失数据进行插值。

在一个实施例中，所述将所述第二时间数据序列进行数据分解,得到所述第二时间数据序列的趋势部分数据和周期性部分数据的步骤包括：

采用加法模型对所述第二时间数据序列进行周期性分解，得到所述第二时间数据序列的趋势部分数据序列和周期性部分数据序列；从所述趋势部分数据序列中提取所述趋势部分数据；从所述周期性部分数据序列中提取所述周期性部分数据。

在一个实施例中，所述根据所述周期性部分数据判断所述第二时间数据序列是否具有周期性的步骤包括：

根据所述周期性部分数据获取与该周期性部分数据相匹配的图像；根据所述图像判断所述周期性部分数据是否呈现周期性波动；若是，则判断所述第二时间数据序列具有周期性。

在一个实施例中，所述根据所述第一时间数据序列的趋势部分数据对该趋势部分数据的缺失数据进行插值的步骤包括：

从所述第二时间数据序列的趋势部分数据中提取所述第一时间数据序列的趋势部分数据；根据所述第一时间数据序列的趋势部分数据，通过三次样条插值法对所述第一时间数据序列的趋势部分数据中的缺失数据进行插值。

在一个实施例中，提供了一种时间数据序列的填补数据获取方法，包括步骤：

根据如上任一项实施例所述的时间数据序列的缺失数据插值方法对第一时间数据序列进行插值，并获取所述第一时间数据序列的趋势部分数据的填补数据；

从所述第二时间数据序列的周期性部分数据中提取所述第一时间数据序列的周期性部分的填补数据；

获取所述第二时间数据序列的残差部分数据，并从所述残差部分数据中提取所述第一时间数据序列的残差部分的填补数据；

将所述第一时间数据序列的趋势部分数据的填补数据、周期性部分的填补数据和残差部分的填补数据相加得到所述第一时间数据序列的填补数据。

上述时间数据序列的填补数据获取方法，使得在对时间数据序列进行初次插值补缺后，能够将时间数据序列的周期性部分和趋势部分进行分离，并根据周期性部分呈现的周期特性，单独对时间数据序列中的趋势部分进行插值处理，避免了周期性部分数据对插值填补数据的影响，使得时间数据序列得到二次插值补缺处理，还获取了该趋势部分的填补数据，并结合时间数据序列进行初次插值补缺时的周期性部分的填补数据以及残差部分的填补数据得到用于对时间数据序列的缺失数据进行插值填补的填补数据，既能保证周期性数据没有遭到破坏，还能保证周期性数据没有对时间数据序列的填补数据造成干扰，使得获取的时间数据序列的填补数据更准确，用于对时间数据序列的空缺数据进行填补能达到更优的填补效果。

在一个实施例中，提供了一种时间数据序列的缺失数据插值装置，包括：

序列获取模块，用于获取对第一时间数据序列的缺失数据进行插值后得到的第二时间数据序列；

序列分别模块，用于将所述第二时间数据序列进行数据分解,得到所述第二时间数据序列的趋势部分数据和周期性部分数据；其中，所述第二时间数据序列的趋势部分数据携带所述第一时间数据序列的趋势部分数据；

周期性判断模块，用于根据所述周期性部分数据判断所述第二时间数据序列是否具有周期性；

数据插值模块，用于当所述第二时间数据序列具有周期性时，根据所述第一时间数据序列的趋势部分数据对该趋势部分数据的缺失数据进行插值。

上述时间数据序列的缺失数据插值装置，使得在对时间数据序列进行初次插值补缺后，能够将时间数据序列的周期性部分和趋势部分进行分离，并根据周期性部分呈现的周期特性，单独对时间数据序列中的趋势部分进行插值处理，避免了周期性部分数据对插值的影响，使得时间数据序列得到二次插值补缺处理，既能保证周期性数据没有遭到破坏，还能保证周期性数据没有在插值处理时造成干扰，提高了对时间数据序列的缺失数据进行插值的准确性。

在一个实施例中，提供了时间数据序列的填补数据获取装置，包括：

第一数据获取模块，用于根据如上任一项实施例所述的时间数据序列的缺失数据插值方法对第一时间数据序列进行插值，并获取所述第一时间数据序列的趋势部分数据的填补数据；

第二数据获取模块，用于从所述第二时间数据序列的周期性部分数据中提取所述第一时间数据序列的周期性部分的填补数据；

第三数据获取模块，用于获取所述第二时间数据序列的残差部分数据，并从所述残差部分数据中提取所述第一时间数据序列的残差部分的填补数据；

填补数据获取模块，用于将所述第一时间数据序列的趋势部分数据的填补数据、周期性部分的填补数据和残差部分的填补数据相加得到所述第一时间数据序列的填补数据。

上述时间数据序列的填补数据获取装置，使得在对时间数据序列进行初次插值补缺后，能够将时间数据序列的周期性部分和趋势部分进行分离，并根据周期性部分呈现的周期特性，单独对时间数据序列中的趋势部分进行插值处理，避免了周期性部分数据对插值填补数据的影响，使得时间数据序列得到二次插值补缺处理，还获取了该趋势部分的填补数据，并结合时间数据序列进行初次插值补缺时的周期性部分的填补数据以及残差部分的填补数据得到用于对时间数据序列的缺失数据进行插值填补的填补数据，既能保证周期性数据没有遭到破坏，还能保证周期性数据没有对时间数据序列的填补数据造成干扰，使得获取的时间数据序列的填补数据更准确，用于对时间数据序列的空缺数据进行填补能达到更优的填补效果。

在一个实施例中，提供了一种计算机设备，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上任一项实施例所述的时间数据序列的缺失数据插值方法或时间数据序列的填补数据获取方法的步骤。

上述计算机设备，通过所述处理器上运行的计算机程序，使得时间数据序列得到二次插值补缺处理，既能保证周期性数据没有遭到破坏，还能保证周期性数据没有在插值处理时造成干扰，提高了对时间数据序列的缺失数据进行插值的准确性，使得获取的时间数据序列的填补数据更准确，用于对时间数据序列的空缺数据进行填补能达到更优的填补效果。

在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上任一项实施例所述的时间数据序列的缺失数据插值方法或时间数据序列的填补数据获取方法的步骤。

上述计算机可读存储介质，通过其存储的计算机程序，使得时间数据序列得到二次插值补缺处理，既能保证周期性数据没有遭到破坏，还能保证周期性数据没有在插值处理时造成干扰，提高了对时间数据序列的缺失数据进行插值的准确性，使得获取的时间数据序列的填补数据更准确，用于对时间数据序列的空缺数据进行填补能达到更优的填补效果。

附图说明

图1为一个实施例中时间数据序列的缺失数据插值方法的流程示意图；

图2为一个实施例中周期性部分数据的图像的示意图；

图3为一个实施例中时间数据序列的缺失数据插值装置的结构示意图；

图4为一个实施例中时间数据序列的填补数据获取方法的流程示意图；

图5为一个实施例中时间数据序列的填补数据获取装置的结构示意图；

图6为一个实施例中计算机设备的内部结构图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

需要说明的是，本发明实施例所涉及的术语“第一\第二”仅仅是是区别类似的对象，不代表针对对象的特定排序，可以理解地，“第一\第二”在允许的情况下可以互换特定的顺序或先后次序。应该理解“第一\第二”区分的对象在适当情况下可以互换，以使这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。

在一个实施例中，提供了一种时间数据序列的缺失数据插值方法，参考图1，图1为一个实施例中时间数据序列的缺失数据插值方法的流程示意图，该时间数据序列的缺失数据插值方法可以包括以下步骤：

步骤S101，获取对第一时间数据序列的缺失数据进行插值后得到的第二时间数据序列。

其中，第一时间数据序列是指未进行插值处理的时间数据序列，时间数据序列是指同一统计指标的数值按其发生的时间先后顺序排列而成的数据序列；缺失数据是指数据序列中的缺失数据。

本步骤可以在对第一时间数据序列的缺失数据进行插值后，获取第二时间数据序列，其中，该第二时间数据序列是指对第一时间数据序列的缺失数据进行插值填补后得到的时间数据序列，即第二时间数据序列中包括第一时间数据序列的原始数据以及用于对缺失数据进行插值填补的填补数据。

步骤S102，将第二时间数据序列进行数据分解,得到第二时间数据序列的趋势部分数据和周期性部分数据。

本步骤中，时间数据序列的构成要素一般包括长期趋势、季节变动、循环变动和不规则变动部分，具体来说，长期趋势部分为在较长时期内受某种根本性因素作用而形成的总的变动趋势，季节变动为在一年内随着季节的变化而发生的有规律的周期性变动，循环变动为以若干年为周期所呈现出的波浪起伏形态的有规律的变动，不规则变动部分为一种无规律可循的变动，通常包括严格的随机变动和不规则的突发性影响很大的变动两种类型。

本步骤可以将第二时间数据序列进行数据分解，从分解后的数据序列中提取出该第二时间数据序列的趋势部分数据和周期性部分数据，其中，第二时间数据序列中包括第一时间数据序列，所以第二时间数据序列的趋势部分数据中携带有第一时间数据序列的趋势部分数据。

步骤S103，根据周期性部分数据判断第二时间数据序列是否具有周期性。

本步骤主要是判断第二时间数据序列是否具有周期性，由于时间数据序列的周期性主要体现在周期性部分数据中，本步骤通过周期性部分数据判断该第二时间数据序列是否具有周期性。例如，如果周期性部分数据呈现平稳的周期性波动，则说明该第二时间数据序列的周期性明显，可以判断该第二时间数据序列具有周期性；若周期性部分数据接近零，则说明该第二时间数据序列的周期性不明显，可以判断该第二时间数据序列不具有周期性。

步骤S104，若是，则根据第一时间数据序列的趋势部分数据对该趋势部分数据的缺失数据进行插值。

本步骤主要是在第二时间数据序列具有周期性的情况下，利用第二时间数据序列中携带的第一时间数据序列的趋势部分数据对该趋势部分数据中的缺失数据进行插值处理，其中，第一时间数据序列的趋势部分数据的缺失数据是指第一时间数据序列的趋势部分数据中缺失的数据。

上述时间数据序列的缺失数据插值方法，在对第一时间数据序列的缺失数据进行插值后，获取第二时间数据序列并进行数据分解得到该第二时间数据序列的趋势部分数据和周期性部分数据，利用周期性部分数据判断该第二时间数据序列是否具有周期性，若是则根据第一时间数据序列的趋势部分数据对该趋势部分数据的缺失数据进行插值，使得在对时间数据序列进行初次插值补缺后，能够将时间数据序列的周期性部分和趋势部分进行分离，并根据周期性部分呈现的周期特性，单独对时间数据序列中的趋势部分进行插值处理，避免了周期性部分数据对插值的影响，使得时间数据序列得到二次插值补缺处理，既能保证周期性数据没有遭到破坏，还能保证周期性数据没有在插值处理时造成干扰，提高了对时间数据序列的缺失数据进行插值的准确性。

在一个实施例中，在步骤S101之前，还可以包括如下步骤：

检测第一时间数据序列中的缺失数据；通过三次样条插值法对第一时间数据序列中的缺失数据进行插值。

本实施例主要是通过三次样条插值法对检测得到的第一时间数据序列中的缺失数据进行插值。其中，三次样条插值法(Cubic Spline Interpolation)简称Spline插值法，是指通过分段三阶多项式来拟合一条通过一系列形值点的光滑曲线，再通过曲线公式拟合缺失值的插值方法。

具体地，可以使用pandas包中的isnull函数检测出第一时间数据序列中的缺失数据，并确定缺失数据的位置i1、i2、…、ik，采用三次样条插值法对缺失数据进行插值，还可以得到该缺失数据的填补数据a1、a2、…、ak。

上述实施例可以通过对第一时间数据序列中的缺失数据进行检测并结合了三次样条插值法实现了对缺失数据进行插值处理，还提高了插值的准确度和效率。

在一个实施例中，步骤S102中的将第二时间数据序列进行数据分解,得到第二时间数据序列的趋势部分数据和周期性部分数据的步骤可以包括：

采用加法模型对第二时间数据序列进行周期性分解，得到第二时间数据序列的趋势部分数据序列和周期性部分数据序列；从趋势部分数据序列中提取趋势部分数据；从周期性部分数据序列中提取周期性部分数据。

本实施例主要是基于加法模型对第二时间数据序列进行数据分解，从而得到第二时间数据序列的趋势部分数据和周期性部分数据；其中，加法模型主要用于将时间数据序列分解为多个相加的数据序列，各数据序列通常用于呈现出该时间数据序列的不同数据特性，如趋势部分数据序列可以用于呈现时间数据序列的趋势特性、周期性部分数据序列可以用于呈现时间数据序列的周期性特性等。

采用加法模型对第二时间数据序列进行周期性分解，可以进一步采用statsmodels模块中的seasonal_decompose函数将第二时间数据序列分解多个部分数据序列，例如分解为趋势部分数据序列、周期性部分数据序列和残差部分数据序列，可以从各部分数据序列提取相应的数据；其中，第二时间数据序列中的每一个样例数据可以分解为趋势部分数据、周期性部分数据和残差部分数据。以第一数据序列中的缺失数据为例进行数据分解的说明，在第一数据序列中i1、i2…ik位置的缺失数据分解如下：

a1＝t1+c1+r1，a2＝t2+c2+r2，…，ak＝tk+ck+rk；

其中，t1、t2…tk为趋势部分数据，c1、c2…ck为周期性部分数据，r1、r2…rk为残差部分数据。

上述实施例通过加法模型对第二时间数据序列进行分解，能够快速地从第二时间数据序列中将趋势部分数据和周期性部分数据进行分离，有利于后续对趋势部分数据进行插值处理，避免周期性部分数据对插值处理造成干扰。

在一个实施例中，步骤S103中的根据周期性部分数据判断第二时间数据序列是否具有周期性的步骤可以包括：

根据周期性部分数据获取与该周期性部分数据相匹配的图像；根据图像判断周期性部分数据是否呈现周期性波动；若是，则判断第二时间数据序列具有周期性。

本实施例主要是通过与该周期性部分数据相匹配的图像判断该第二时间数据序列是否具有周期性。

具体来说，可以使用plot函数画出对第二时间数据序列进行数据分解后得到的周期性部分数据的图像，参考图2，图2为一个实施例中周期性部分数据的图像的示意图，其中，图2展示了季节性(seasonality)波动的时间数据序列的周期性部分数据的图像，其中，横坐标表示年份，纵坐标表示与年份相对应的数据值，可以通过观察该图像判断第二时间数据序列是否具有周期性，例如若明显地能看出该图像呈现出周期性变化，则第二时间数据序列具有明显周期性，若第二时间数据序列分解后的周期性部分数据没有呈现平稳的周期性波动，则该序列具周期性不明显。

上述实施例通过周期性部分数据作出的图像能够直观地判断出第二时间数据序列是否具有周期性，而且该方法简单易行，在保证对第二时间数据序列的周期性进行准确判断地同时还能够提高判断效率。

在一个实施例中，步骤S104中的根据第一时间数据序列的趋势部分数据对该趋势部分数据的缺失数据进行插值的步骤可以包括：

从第二时间数据序列的趋势部分数据中提取第一时间数据序列的趋势部分数据；根据第一时间数据序列的趋势部分数据，通过三次样条插值法对第一时间数据序列的趋势部分数据中的缺失数据进行插值。

可以从第二时间数据序列的趋势部分数据携带的数据中提取出第一时间数据序列的趋势部分数据，并根据该第一时间数据序列的趋势部分数据，采用三次样条插值法对第一时间数据序列的趋势部分数据中的缺失数据进行插值，由于在对第一时间数据序列进行插值之前，第一时间数据序列中存在的缺失数据，所以，第一时间数据序列的趋势部分数据中的缺失数据是指对第一时间数据序列分解得到第一时间数据序列的趋势部分数据后，第一时间数据序列的趋势部分数据中缺失的数据。

具体的，可以把第二时间数据序列中的与缺失数据相对应的趋势部分数据t1、t2、……、tk去掉，得到所述第一时间数据序列的趋势部分数据，使用三次样条插值法对第一时间数据序列的趋势部分数据中的这k个点进行插值填补，通过三次样条插值函数拟合还可以得到第一时间数据序列的新的趋势部分数据T1、T2、……、Tk。

上述实施例可以从第二时间数据序列的趋势部分数据中提取第一时间数据序列的趋势部分数据，并基于该第一时间数据序列的的趋势部分数据通过三次样条插值法实现了对该趋势部分数据中缺失的数据进行插值填补，还提高了插值的准确度和效率。

在一个实施例中，提供了一种时间数据序列的缺失数据插值装置，参考图3，图3为一个实施例中时间数据序列的缺失数据插值装置的结构示意图，该时间数据序列的缺失数据插值装置可以包括：

序列获取模块101，用于获取对第一时间数据序列的缺失数据进行插值后得到的第二时间数据序列；

序列分别模块102，用于将所述第二时间数据序列进行数据分解,得到所述第二时间数据序列的趋势部分数据和周期性部分数据；其中，所述第二时间数据序列的趋势部分数据携带所述第一时间数据序列的趋势部分数据；

周期性判断模块103，用于根据所述周期性部分数据判断所述第二时间数据序列是否具有周期性；

数据插值模块104，用于当所述第二时间数据序列具有周期性时，根据所述第一时间数据序列的趋势部分数据对该趋势部分数据的缺失数据进行插值。

在一个实施例中，还可以包括：

数据检测单元，用于检测所述第一时间数据序列中的缺失数据；第一插值单元，用于通过三次样条插值法对所述第一时间数据序列中的所述缺失数据进行插值。

在一个实施例中，所述序列分别模块102可以包括：

分解单元，用于采用加法模型对所述第二时间数据序列进行周期性分解，得到所述第二时间数据序列的趋势部分数据序列和周期性部分数据序列；第一提取单元，用于从所述趋势部分数据序列中提取所述趋势部分数据；第二提取单元，用于从所述周期性部分数据序列中提取所述周期性部分数据。

在一个实施例中，所述周期性判断模块103可以包括：

图像获取单元，用于根据所述周期性部分数据获取与该周期性部分数据相匹配的图像；第一判断单元，用于根据所述图像判断所述周期性部分数据是否呈现周期性波动；第二判断单元，用于在所述周期性部分数据呈现周期性波动时，判断所述第二时间数据序列具有周期性。

在一个实施例中，所述数据插值模块104可以包括：

数据提取单元，用于从所述第二时间数据序列的趋势部分数据中提取所述第一时间数据序列的趋势部分数据；第二插值单元，用于根据所述第一时间数据序列的趋势部分数据，通过三次样条插值法对所述第一时间数据序列的趋势部分数据中的缺失数据进行插值。

本发明的时间数据序列的缺失数据插值装置与本发明的时间数据序列的缺失数据插值方法一一对应，关于时间数据序列的缺失数据插值装置的具体限定可以参见上文中对于时间数据序列的缺失数据插值方法的限定，在上述时间数据序列的缺失数据插值方法的实施例阐述的技术特征及其有益效果均适用于时间数据序列的缺失数据插值装置的实施例中，在此不再赘述。上述时间数据序列的缺失数据插值装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

在一个实施例中，提供了一种时间数据序列的填补数据获取方法，参考图4，图4为一个实施例中时间数据序列的填补数据获取方法的流程示意图，该时间数据序列的填补数据获取方法可以包括如下步骤：

步骤S401，根据时间数据序列的缺失数据插值方法对第一时间数据序列进行插值，并获取所述第一时间数据序列的趋势部分数据的填补数据。

本步骤可以根据如上任一项实施例所述的时间数据序列的缺失数据插值方法对第一时间数据序列进行插值，并获取在该插值过程中用于对第一时间数据序列的趋势部分数据的缺失数据进行填补的填补数据。

步骤S402，从第二时间数据序列的周期性部分数据中提取第一时间数据序列的周期性部分的填补数据。

本步骤主要是在第二时间数据序列进行数据分解，并获取第二时间数据序列的周期性部分数据后，从该第二时间数据序列的周期性部分数据中提取第一时间数据序列的周期性部分数据的填补数据，该周期性部分的填补数据是指第二时间数据序列的周期性部分数据中与第一时间数据序列的所述缺失数据相对应的填补数据，用于对第一时间数据序列的周期性部分数据的缺失数据进行填补。

步骤S403，获取第二时间数据序列的残差部分数据，并从残差部分数据中提取。

本步骤可以在将所述第二时间数据序列进行数据分解后，从分解后的数据中提取第二时间数据序列的残差部分数据，并从该残差部分数据中提取出第一时间数据序列的残差部分的填补数据，该残差部分的填补数据是指第二时间数据序列的残差部分数据中与第一时间数据序列的所述缺失数据相对应的填补数据，用于对第一时间数据序列的残差部分数据的缺失数据进行填补。

步骤S404，将第一时间数据序列的趋势部分数据的填补数据、周期性部分的填补数据和残差部分的填补数据相加得到第一时间数据序列的填补数据。

本步骤主要是将二次插值后更新的趋势部分数据的填补数据加上初次插值的周期性部分数据的填补数据及残差部分数据的填补数据，还原成第一时间数据序列中缺失数据的新的填补数据，还原规则可以表示为：

A1＝T1+c1+r1，A2＝T2+c2+r2，……，Ak＝Tk+ck+rk；

其中，A1、A2、……、Ak为第一时间数据序列中各缺失数据的最终填补值，T1、T2、……、Tk为二次插值后更新的趋势部分数据的填补数据，c1、c2、……、ck为周期性部分的填补数据，r1、r2、……、rk为残差部分的填补数据，该新的填补数据可以对第一时间数据序列的缺失数据进行填补，并将填补处理后的时间数据序列进行后续的建模步骤。

上述时间数据序列的填补数据获取方法，使得在对时间数据序列进行初次插值补缺后，能够将时间数据序列的周期性部分和趋势部分进行分离，并根据周期性部分呈现的周期特性，单独对时间数据序列中的趋势部分进行插值处理，避免了周期性部分数据对插值填补数据的影响，使得时间数据序列得到二次插值补缺处理，还获取了该趋势部分的填补数据，并结合时间数据序列进行初次插值补缺时的周期性部分的填补数据以及残差部分的填补数据得到用于对时间数据序列的缺失数据进行插值填补的填补数据，既能保证周期性数据没有遭到破坏，还能保证周期性数据没有对时间数据序列的填补数据造成干扰，使得获取的时间数据序列的填补数据更准确，用于对时间数据序列的空缺数据进行填补能达到更优的填补效果。

在一个实施例中，提供了一种时间数据序列的填补数据获取装置，参考图5，图5为一个实施例中时间数据序列的填补数据获取装置的结构示意图，该时间数据序列的填补数据获取装置可以包括：

第一数据获取模块401，用于根据如上任一项实施例所述的时间数据序列的缺失数据插值方法对第一时间数据序列进行插值，并获取所述第一时间数据序列的趋势部分数据的填补数据；

第二数据获取模块402，用于从所述第二时间数据序列的周期性部分数据中提取所述第一时间数据序列的周期性部分的填补数据；

第三数据获取模块403，用于获取所述第二时间数据序列的残差部分数据，并从所述残差部分数据中提取所述第一时间数据序列的残差部分的填补数据；

填补数据获取模块404，用于将所述第一时间数据序列的趋势部分数据的填补数据、周期性部分的填补数据和残差部分的填补数据相加得到所述第一时间数据序列的填补数据。

上述时间数据序列的填补数据获取装置，使得在对时间数据序列进行初次插值补缺后，能够将时间数据序列的周期性部分和趋势部分进行分离，并根据周期性部分呈现的周期特性，单独对时间数据序列中的趋势部分进行插值处理，避免了周期性部分数据对插值填补数据的影响，使得时间数据序列得到二次插值补缺处理，还获取了该趋势部分的填补数据，并结合时间数据序列进行初次插值补缺时的周期性部分的填补数据以及残差部分的填补数据得到用于对时间数据序列的缺失数据进行插值填补的填补数据，既能保证周期性数据没有遭到破坏，还能保证周期性数据没有对时间数据序列的填补数据造成干扰，使得获取的时间数据序列的填补数据更准确，用于对时间数据序列的空缺数据进行填补能达到更优的填补效果。

在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，如个人电脑等，其内部结构图可以如图6所示，图6为一个实施例中计算机设备的内部结构图。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种时间数据序列的缺失数据插值方法或时间数据序列的填补数据获取方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。

本领域技术人员可以理解，图6中示出的结构，仅仅是与本发明方案相关的部分结构的框图，并不构成对本发明方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一个实施例中，提供了一种计算机设备，该计算机设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，处理器执行所述程序时实现如上任一项实施例所述的时间数据序列的缺失数据插值方法或时间数据序列的填补数据获取方法。

在一个实施例中，提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现以下步骤：

获取对第一时间数据序列的缺失数据进行插值后得到的第二时间数据序列；将第二时间数据序列进行数据分解,得到第二时间数据序列的趋势部分数据和周期性部分数据；根据周期性部分数据判断第二时间数据序列是否具有周期性；若是，则根据第一时间数据序列的趋势部分数据对该趋势部分数据的缺失数据进行插值。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：

检测第一时间数据序列中的缺失数据；通过三次样条插值法对第一时间数据序列中的缺失数据进行插值。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：

采用加法模型对第二时间数据序列进行周期性分解，得到第二时间数据序列的趋势部分数据序列和周期性部分数据序列；从趋势部分数据序列中提取趋势部分数据；从周期性部分数据序列中提取周期性部分数据。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：

根据周期性部分数据获取与该周期性部分数据相匹配的图像；根据图像判断周期性部分数据是否呈现周期性波动；若是，则判断第二时间数据序列具有周期性。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：

从第二时间数据序列的趋势部分数据中提取第一时间数据序列的趋势部分数据；根据第一时间数据序列的趋势部分数据，通过三次样条插值法对第一时间数据序列的趋势部分数据中的缺失数据进行插值。

在一个实施例中，提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现以下步骤：

根据时间数据序列的缺失数据插值方法对第一时间数据序列进行插值，并获取所述第一时间数据序列的趋势部分数据的填补数据；从第二时间数据序列的周期性部分数据中提取第一时间数据序列的周期性部分的填补数据；获取第二时间数据序列的残差部分数据，并从残差部分数据中提取；将第一时间数据序列的趋势部分数据的填补数据、周期性部分的填补数据和残差部分的填补数据相加得到第一时间数据序列的填补数据。

上述任一项实施例所述的计算机设备，通过所述处理器上运行的计算机程序，使得时间数据序列得到二次插值补缺处理，既能保证周期性数据没有遭到破坏，还能保证周期性数据没有在插值处理时造成干扰，提高了对时间数据序列的缺失数据进行插值的准确性，使得获取的时间数据序列的填补数据更准确，用于对时间数据序列的空缺数据进行填补能达到更优的填补效果。

本领域普通技术人员可以理解实现如上任一项实施例所述的时间数据序列的缺失数据插值方法或时间数据序列的填补数据获取方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本发明所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。

据此，在一个实施例中还提供一种计算机可读存储介质，其上存储有计算机程序，其中，该程序被处理器执行时实现如上任一项实施例所述的时间数据序列的缺失数据插值方法或时间数据序列的填补数据获取方法。

据此，在一个实施例中提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：

获取对第一时间数据序列的缺失数据进行插值后得到的第二时间数据序列；将第二时间数据序列进行数据分解,得到第二时间数据序列的趋势部分数据和周期性部分数据；根据周期性部分数据判断第二时间数据序列是否具有周期性；若是，则根据第一时间数据序列的趋势部分数据对该趋势部分数据的缺失数据进行插值。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：

检测第一时间数据序列中的缺失数据；通过三次样条插值法对第一时间数据序列中的缺失数据进行插值。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：

采用加法模型对第二时间数据序列进行周期性分解，得到第二时间数据序列的趋势部分数据序列和周期性部分数据序列；从趋势部分数据序列中提取趋势部分数据；从周期性部分数据序列中提取周期性部分数据。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：

根据周期性部分数据获取与该周期性部分数据相匹配的图像；根据图像判断周期性部分数据是否呈现周期性波动；若是，则判断第二时间数据序列具有周期性。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：

从第二时间数据序列的趋势部分数据中提取第一时间数据序列的趋势部分数据；根据第一时间数据序列的趋势部分数据，通过三次样条插值法对第一时间数据序列的趋势部分数据中的缺失数据进行插值。

在一个实施例中提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：

根据时间数据序列的缺失数据插值方法对第一时间数据序列进行插值，并获取所述第一时间数据序列的趋势部分数据的填补数据；从第二时间数据序列的周期性部分数据中提取第一时间数据序列的周期性部分的填补数据；获取第二时间数据序列的残差部分数据，并从残差部分数据中提取；将第一时间数据序列的趋势部分数据的填补数据、周期性部分的填补数据和残差部分的填补数据相加得到第一时间数据序列的填补数据。

上述任一项实施例所述的计算机可读存储介质，通过其存储的计算机程序，使得时间数据序列得到二次插值补缺处理，既能保证周期性数据没有遭到破坏，还能保证周期性数据没有在插值处理时造成干扰，提高了对时间数据序列的缺失数据进行插值的准确性，使得获取的时间数据序列的填补数据更准确，用于对时间数据序列的空缺数据进行填补能达到更优的填补效果。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种时间数据序列的缺失数据插值方法，其特征在于，包括步骤：

获取对第一时间数据序列的缺失数据进行插值后得到的第二时间数据序列；其中，时间数据序列是指同一统计指标的数值按其发生的时间先后顺序排列而成的数据序列；

将所述第二时间数据序列进行数据分解,得到所述第二时间数据序列的趋势部分数据和周期性部分数据；具体包括：采用加法模型对所述第二时间数据序列进行周期性分解，得到所述第二时间数据序列的趋势部分数据序列和周期性部分数据序列；从所述第二时间序列的趋势部分数据序列中提取所述第一时间序列的趋势部分数据；从所述周期性部分数据序列中提取所述周期性部分数据；其中，所述第二时间数据序列的趋势部分数据携带所述第一时间数据序列的趋势部分数据；

根据所述周期性部分数据判断所述第二时间数据序列是否具有周期性；

若是，则根据所述第一时间数据序列的趋势部分数据，通过三次样条插值法对所述第一时间数据序列的趋势部分数据的缺失数据进行插值。

2.根据权利要求1所述的时间数据序列的缺失数据插值方法，其特征在于，在所述获取对第一时间数据序列的缺失数据进行插值后得到的第二时间数据序列的步骤之前，还包括：

检测所述第一时间数据序列中的缺失数据；

通过三次样条插值法对所述第一时间数据序列中的所述缺失数据进行插值。

3.根据权利要求1所述的时间数据序列的缺失数据插值方法，其特征在于，所述时间数据序列的构成要素包括长期趋势部分、季节变动部分、循环变动部分和不规则变动部分。

4.根据权利要求1所述的时间数据序列的缺失数据插值方法，其特征在于，所述根据所述周期性部分数据判断所述第二时间数据序列是否具有周期性的步骤包括：

根据所述周期性部分数据获取与该周期性部分数据相匹配的图像；

根据所述图像判断所述周期性部分数据是否呈现周期性波动；

若是，则判断所述第二时间数据序列具有周期性。

5.根据权利要求4所述的时间数据序列的缺失数据插值方法，其特征在于，所述根据所述周期性部分数据获取与该周期性部分数据相匹配的图像，包括：

通过plot函数画出所述周期性部分数据的图像。

6.一种时间数据序列的填补数据获取方法，其特征在于，包括步骤：

根据如权利要求1至5任一项所述的时间数据序列的缺失数据插值方法对第一时间数据序列进行插值，并获取所述第一时间数据序列的趋势部分数据的填补数据；

从所述第二时间数据序列的周期性部分数据中提取所述第一时间数据序列的周期性部分的填补数据；

获取所述第二时间数据序列的残差部分数据，并从所述残差部分数据中提取所述第一时间数据序列的残差部分的填补数据；

将所述第一时间数据序列的趋势部分数据的填补数据、周期性部分的填补数据和残差部分的填补数据相加得到所述第一时间数据序列的填补数据。

7.一种时间数据序列的缺失数据插值装置，其特征在于，包括：

序列获取模块，用于获取对第一时间数据序列的缺失数据进行插值后得到的第二时间数据序列；其中，时间数据序列是指同一统计指标的数值按其发生的时间先后顺序排列而成的数据序列；

序列分别模块，用于将所述第二时间数据序列进行数据分解,得到所述第二时间数据序列的趋势部分数据和周期性部分数据；具体包括：采用加法模型对所述第二时间数据序列进行周期性分解，得到所述第二时间数据序列的趋势部分数据序列和周期性部分数据序列；从所述第二时间序列的趋势部分数据序列中提取所述第一时间序列的趋势部分数据；从所述周期性部分数据序列中提取所述周期性部分数据；其中，所述第二时间数据序列的趋势部分数据携带所述第一时间数据序列的趋势部分数据；

周期性判断模块，用于根据所述周期性部分数据判断所述第二时间数据序列是否具有周期性；

数据插值模块，用于当所述第二时间数据序列具有周期性时，根据所述第一时间数据序列的趋势部分数据，通过三次样条插值法对所述第一时间数据序列的趋势部分数据的缺失数据进行插值。

8.一种时间数据序列的填补数据获取装置，其特征在于，包括：

第一数据获取模块，用于根据如权利要求1至5任一项所述的时间数据序列的缺失数据插值方法对第一时间数据序列进行插值，并获取所述第一时间数据序列的趋势部分数据的填补数据；

第二数据获取模块，用于从所述第二时间数据序列的周期性部分数据中提取所述第一时间数据序列的周期性部分的填补数据；

第三数据获取模块，用于获取所述第二时间数据序列的残差部分数据，并从所述残差部分数据中提取所述第一时间数据序列的残差部分的填补数据；

填补数据获取模块，用于将所述第一时间数据序列的趋势部分数据的填补数据、周期性部分的填补数据和残差部分的填补数据相加得到所述第一时间数据序列的填补数据。

9.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6任一项所述的时间数据序列的缺失数据插值方法或时间数据序列的填补数据获取方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6任一项所述的时间数据序列的缺失数据插值方法或时间数据序列的填补数据获取方法的步骤。

Images