CN111651444B - 一种自适应时间序列数据预测方法 - Google Patents

Abstract

本发明涉及一种自适应时间序列数据预测方法，包括以下步骤：收集并清理原始时间序列数据，增强数据维度；构建数据集，评定数据集特性；构建数据集的预测模型；对预测模型进行训练和参数优化；利用预测模型计算数据预测值。本发明解决了多时间序列特征条件下数据预测的问题，提供一种自适应时间序列数据预测方法，可以监测时间序列数据的特性，并根据特性选择对应的预测模型实现预测。

Description

一种自适应时间序列数据预测方法

技术领域

本发明涉及数据处理与分析技术领域，特别涉及一种自适应时间序列数据预测方法。

背景技术

时间序列数据作为一种与时间相关的数据，在许多行业有着重要的预测应用案例。由于时间序列数据自身的数据特性，许多时间序列处理方法的应用局限于处理某个特定特征的数据集。在实际应用中，对于存在多种时间序列特征的数据系统，需要人工实现多个时间序列数据处理模型，具有较高的人力成本和较大工作量。因此，多时间序列特征条件下的数据预测成为了棘手的问题。

发明内容

本发明的目的在于解决现有技术中在多时间序列特征条件下数据预测的问题，提供一种自适应时间序列数据预测方法，可以监测时间序列数据的特性，并根据特性选择对应的预测模型实现预测。

为了实现上述发明目的，本发明实施例提供了以下技术方案：

一种自适应时间序列数据预测方法，包括以下步骤：

步骤S1：收集并清理原始时间序列数据，增强数据维度；

步骤S2：构建数据集，评定数据集特性；

步骤S3：构建数据集的预测模型；

步骤S4：对预测模型进行训练和参数优化；

步骤S5：利用预测模型计算数据预测值。

更进一步地，为详细说明如何收集并清理原始时间序列数据，增强数据维度，所述步骤S1具体包括以下步骤：

步骤S1-1：接入原始时间序列数据，剔除原始时间序列数据中的噪声数据，并进行清洗；

步骤S1-2：将剔除了噪声数据和进行清洗后的原始时间序列数据处理成具有特征识别的标准数据格式。

更进一步地，为了详细描述如何剔除原始时间序列数据中的噪声数据，并进行清洗，包括步骤：

丢弃错误的原始时间序列数据，所述错误的原始时间序列数据包括读数值明显错误，或时间、读数值两个维度均缺失的原始时间序列数据；

对未丢弃的部分维度缺失的原始时间序列数据进行填充，并对填充后的原始时间序列数据按需进行扩充，形成具有特征识别能力的标准数据格式；所述标准数据格式包括设备ID、设备类型、关联用户类型、读数时间、读数值。

更进一步地，为了详细描述如何构建数据集、评定数据集特性，所述步骤S2具体包括以下步骤：

步骤S2-1：按照业务需求，对标准数据格式的原始时间序列数据进行按需抽样；

步骤S2-2：对抽样的原始时间序列数据进行预处理计算，形成二次加工数据集；所述预处理计算为将抽样的原始时间序列数据中的读数值进行差分处理，得到月度用气量、季度用气量、年度用气量的二次加工数据集；

步骤S2-3：从二次加工数据集中提取能表达数据特性的相关指标，这些相关指标评定了数据集的特性；所述能表达数据特性的相关指标包括抽样间隔、样本点数、序列数据分期期望、序列数据的自相关函数、序列数据的自相关系数、QLB统计量。

更进一步地，为了详细描述如何构建数据集的预测模型，所述步骤S3具体包括以下步骤：

步骤S3-1：根据二次加工数据集时序特性，构建符合数据特性的相关算法集合；所述相关算法集合包括ARMIA模型算法、指数平滑模型算法、灰度预测模型算法；

步骤S3-2：以数据集为基础，使用选择的相关算法集合分别进行拟合，求得各算法集合对应的模型，以及模型的相关性能指标；所述模型的相关性能指标包括总体训练误差、测试误差；通过性能指标综合评判，获取模型算法和时序特性的优选对应关系。

步骤S3-3：根据优选对应关系，为样本预测模型算法的选择提供决策规则和依据。

更进一步地，所述根据算法优选对应关系，为样本预测模型的选择决策提供依据，具体过程，包括：

判定采样间隔和样本点数是否属于长期少样本预测，若是长期少样本预测，则选择灰度预测模型算法进行建模得到预测模型，否则继续判断序列数据分期期望在不同阶段的均值是否平稳、相关系数是否平稳、QLB统计量是否平稳，如果均具备平稳特性，则选择ARMIA模型算法进行建模得到预测模型，若均不具备平稳特性则选择指数平滑模型算法进行建模得到预测模型。

更进一步地，为了详细描述如何对预测模型进行训练和参数优化，所述步骤S4具体包括以下步骤：

步骤S4-1：在预测模型的基础上，对样本数据进行拟合，求取参数；

步骤S4-2：将参数迭代到度量总体误差在预测范围内时，获取相应的优化参数；

步骤S4-3：将训练的预测模型和优化的参数注册到在线预测的模型库中。

更进一步地，为了详细描述所述在预测模型的基础上，对样本数据进行拟合，求取参数的步骤，包括：

若选择灰度预测模型算法进行建模，则求取的参数包括发展系数、灰作用量；

若选择ARMIA模型算法进行建模，则求取的参数包括阶数p、阶数q、加权参数；

若选择指数平滑模型算法进行建模，则求取的参数包括平滑阶数、平滑系数。

更进一步地，为了详细描述如何利用预测模型计算数据预测值，所述步骤S5具体包括以下步骤：

步骤S5-1：接入在线时间序列数据，根据在线时间序列数据的来源，从模型库中查找对应的预测模型；

步骤S5-2：使用预测模型计算出该在线时间序列数据的预测值。

与现有技术相比，本发明的有益效果：

本发明解决了多时间序列特征条件下数据预测的问题，提供一种自适应时间序列数据预测方法，可以监测时间序列数据的特性，并根据特性选择对应的预测模型实现预测。

相对于现有的时间序列预测方法，本发明通过进一步定制模型特性及模型选择机制增强了业务的包容性，可根据实际业务的情况指定模型进行预测，应用上更加方便灵活。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。

图1为本发明提供的序列数据预测方法流程图。

具体实施方式

下面将结合本发明实施例中附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。

实施例1：

本发明通过下述技术方案实现，如图1所示，本发明提出一种自适应时间序列数据预测方法，解决多时序特征条件下的数据预测问题，包括以下步骤：

步骤S1：收集并清理原始时间序列数据，增强数据维度。

接入原始时间序列数据，剔除原始时间序列数据中的噪声数据，并进行清洗。其中噪声数据为错误的原始时间序列数据，比如原本抄表数据是累积值，若接入的抄表数据小于上一条接入的抄表数据，那么说明本次接入的抄表数据即为错误的原始时间序列数据。因此丢弃的错误的原始时间序列数据包括读数值明显错误，或时间、读数值两个维度均缺失等情况的原始时间序列数据；对于关键字段未明确缺失的数据保留，对保留的部分维度缺失的原始时间序列数据进行填充，填充的方式可以是人工手动填充，也可以是基于基础数据库的字典信息进行填充，比如在基础数据库中有某设备ID对应的属性信息与需填充的数据对应，则可以按照该设备ID查询对应属性的数据进行填充，填充工作可尽量增强数据维度。

对填充后的原始时间序列数据按需进行扩充，形成具有特征识别能力的标准数据格式，所述标准数据格式包括设备ID、设备类型、关联用户类型、读数时间、读数值、时间衍生特性1(节假日)、时间衍生特性2(月度)、时间衍生特性3(季度)、时间衍生特性4(年度)等。根据实际需求，时间衍生特性的扩充维度可以为空，但是设备ID、读数时间、读数值为标准数据格式的基本核心维度，必须保证其扩充为非空。

步骤S2：构建数据集，评定数据集特性。

按照业务需求，对标准数据格式的原始时间序列数据进行按需抽样，对抽样的数据进行预处理计算，形成二次加工数据集。具体来说，所述预处理计算为将抽样的原始时间序列数据中的读数值进行差分处理，得到月度用气量、季度用气量、年度用气量的二次加工数据集，满足了实际业务的需求，比如抄表收费业务需要的是月度用气量数据预测(短期预测)，调度需要的是季度用气量数据预测(中期预测)，其他需求时可能需要的是年度用气量数据(长期预测)，则形成了多时序的时间序列数据。

从二次加工数据集中提取能表达数据特性的相关指标，包括抽样间隔、样本点数、序列数据分期期望(比如月度均量、季度均量、年度均量等)、序列数据的自相关函数、序列数据的自相关系数、QLB统计量等，这些相关指标即评定了数据集的特性。

步骤S3：构建数据集的预测模型。

根据经过预处理后的二次加工数据集的三种时间序列特性(长期、中期、短期)，构建符合数据特性的相关算法集合，所述相关算法集合包括ARMIA模型算法、指数平滑模型算法、灰度预测模型算法，三种算法可以应对不同时间周期(长期、中期、短期),不同平稳特性时间序列的预测问题。以数据集为基础，使用选择的相关算法集合分别对数据集进行拟合，求得算法集合对应的模型，以及模型的相关性能指标，所述模型的相关性能指标包括总体训练误差、测试误差。通过拟合结果，确定以下预测模型选择规则：

首先判定采样间隔和样本点数是否属于长期少样本预测，若是长期少样本预测则选择灰度预测模型算法进行建模得到预测模型，否则继续判断序列数据分期期望在不同阶段的均值是否平稳、相关系数是否平稳、QLB统计量是否平稳，如果均具备平稳特性，则选择ARMIA模型算法进行建模得到预测模型，若均不具备平稳特性则选择指数平滑模型算法进行建模得到预测模型。

步骤S4：对预测模型进行训练和参数优化。

在选定的预测模型的基础上，对样本数据进行拟合，求取参数，若选择灰度预测模型算法进行建模，则求取的参数包括发展系数、灰作用量；若选择ARMIA模型算法进行建模，则求取的参数包括阶数p、阶数q、加权参数；若选择指数平滑模型算法进行建模，则求取的参数包括平滑阶数、平滑系数。

将参数迭代到度量总体误差在预测范围内时，获取相应的优化参数；最后把训练的预测模型和优化的参数注册到在线预测的模型库中。

步骤S5：利用预测模型计算数据预测值。

接入在线时间序列数据，根据在线时间序列数据的来源，查找对应的预测模型，使用预测模型计算出该在线时间序列数据的预测值。

本实施例以燃气行业数据预测为例进行说明，在燃气企业管理任务中存在不同类型的气量时间序列数据预测需求。比如，预测某用户月度用气量、季度用气量以及预测年度供气计划，甚至精确到用气行为中的小时用气量预测，不同时间粒度的用气量构成了不同特性的时间序列数据，形成多时序的时间序列数据。

收集这些不同的时间序列数据，对应数据进行清理与维度增强处理，建立月度、季度、年度的不同预测业务的数据集，评价数据集特性，构建候选预测模型算法集合，并建立预测模型算法的选择规则。根据预测模型算法的选择规则，选定使用的模型，采用数据集拟合模型，根据模型的评价指标，择优选取最终的预测模型，并注册应用到在线预测服务中。

提取数据特性相关指标时，主要计算时间序列数据的各统计量，本实施例中主要统计抽样间隔、样本点数、序列数据分期期望、序列数据的自相关函数、序列数据的自相关系数、QLB统计量这六个统计量形成数据特性元组，该元组评定了数据集的特性。

对预测模型进行训练和参数优化时，在选定的预测模型基础上，对样本数据进行拟合，求取参数，迭代到度量总体误差在预定范围内时，获取相应的优化参数。需要说明的时，对于ARIMA模型算法还可以进一步检验预测模型的平稳性。

将训练获取的模型、参数、对应数据来源信息注册到在线预测的模型库中，当有新的数据预测需求时，通过其预测业务类型，在注册的模型库中找到已经训练好的预测模型，进行数据预测。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。

Claims (4)

1.一种自适应时间序列数据预测方法，其特征在于：包括以下步骤：

步骤S1：收集并清理原始时间序列数据，增强数据维度；

所述步骤S1具体包括以下步骤：

步骤S1-1：接入原始时间序列数据，剔除原始时间序列数据中的噪声数据，并进行清洗；

步骤S1-2：将剔除了噪声数据和进行清洗后的原始时间序列数据处理成具有特征识别的标准数据格式；

所述剔除原始时间序列数据中的噪声数据，并进行清洗的步骤，包括：

丢弃错误的原始时间序列数据，所述错误的原始时间序列数据包括读数值明显错误，或时间、读数值两个维度均缺失的原始时间序列数据；

对未丢弃的部分维度缺失的原始时间序列数据进行填充，并对填充后的原始时间序列数据按需进行扩充，形成具有特征识别能力的标准数据格式；所述标准数据格式包括设备ID、设备类型、关联用户类型、读数时间、读数值；

步骤S2：构建数据集，评定数据集特性；

所述步骤S2具体包括以下步骤：

步骤S2-1：按照业务需求，对标准数据格式的原始时间序列数据进行按需抽样；

步骤S2-2：对抽样的原始时间序列数据进行预处理计算，形成二次加工数据集；所述预处理计算为将抽样的原始时间序列数据中的读数值进行差分处理，得到月度用气量、季度用气量、年度用气量的二次加工数据集；

步骤S2-3：从二次加工数据集中提取能表达数据特性的相关指标，这些相关指标评定了数据集的特性；所述能表达数据特性的相关指标包括抽样间隔、样本点数、序列数据分期期望、序列数据的自相关函数、序列数据的自相关系数、QLB统计量；

步骤S3：构建数据集的预测模型；

所述步骤S3具体包括以下步骤：

步骤S3-1：根据二次加工数据集的时序特性，构建符合数据特性的相关算法集合；所述相关算法集合包括ARMIA模型算法、指数平滑模型算法、灰度预测模型算法；

步骤S3-2：以数据集为基础，使用选择的相关算法集合分别进行拟合，求得各算法集合对应的模型，以及模型的相关性能指标；所述模型的相关性能指标包括总体训练误差、测试误差；通过性能指标综合评判，获取模型算法和时序特性的优选对应关系；

步骤S3-3：根据优选对应关系，为样本预测模型算法的选择提供决策规则和依据；

所述根据优选对应关系，为样本预测模型算法的选择提供决策规则和依据，具体过程包括：

判定采样间隔和样本点数是否属于长期少样本预测，若是长期少样本预测，则选择灰度预测模型算法进行建模得到预测模型，否则继续判断序列数据分期期望在不同阶段的均值是否平稳、相关系数是否平稳、QLB统计量是否平稳，如果均具备平稳特性，则选择ARMIA模型算法进行建模得到预测模型，若均不具备平稳特性则选择指数平滑模型算法进行建模得到预测模型；

步骤S4：对预测模型进行训练和参数优化；步骤S5：利用预测模型计算数据预测值。

2.根据权利要求1所述的一种自适应时间序列数据预测方法，其特征在于：所述步骤S4具体包括以下步骤：

步骤S4-1：在预测模型的基础上，对样本数据进行拟合，求取参数；

步骤S4-2：将参数迭代到度量总体误差在预测范围内时，获取相应的优化参数；

步骤S4-3：将训练的预测模型和优化的参数注册到在线预测的模型库中。

3.根据权利要求2所述的一种自适应时间序列数据预测方法，其特征在于：所述在预测模型的基础上，对样本数据进行拟合，求取参数的步骤，包括：

若选择灰度预测模型算法进行建模，则求取的参数包括发展系数、灰作用量；

若选择ARMIA模型算法进行建模，则求取的参数包括阶数p、阶数q、加权参数；

若选择指数平滑模型算法进行建模，则求取的参数包括平滑阶数、平滑系数。

4.根据权利要求2所述的一种自适应时间序列数据预测方法，其特征在于：所述步骤S5具体包括以下步骤：

步骤S5-1：接入在线时间序列数据，根据在线时间序列数据的来源，从模型库中查找对应的预测模型；

步骤S5-2：使用预测模型计算出该在线时间序列数据的预测值。

Images