CN115983453A - 报表指标的预测方法、装置、设备及存储介质 - Google Patents
报表指标的预测方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN115983453A CN115983453A CN202211638536.7A CN202211638536A CN115983453A CN 115983453 A CN115983453 A CN 115983453A CN 202211638536 A CN202211638536 A CN 202211638536A CN 115983453 A CN115983453 A CN 115983453A
- Authority
- CN
- China
- Prior art keywords
- index
- value
- report
- determining
- holiday
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请实施例提供了一种报表指标的预测方法、装置、设备及存储介质,预测方法包括:根据第一报表的第一指标在多个历史时刻的历史数据、随时间发展的趋势关系、周期性信息、当前时刻与目标先前时刻之间的节假日信息、与第一指标具有相同业务维度的第二指标在当前时刻的真实数据以及第二报表的第一指标在当前时刻的真实数据和预测数据,确定第一指标在当前时刻的趋势值、周期值、节假日波动值、业务相关性取值以及修正值;将趋势值、周期值、节假日波动值、业务相关性取值以及修正值输入至指标预测模型,得到第一报表的第一指标在当前时刻的预测值。根据本申请实施例,能够从五个维度实现对报表指标的精准预测。
Description
技术领域
本申请属于数据分析技术领域,尤其涉及一种报表指标的预测方法、装置、设备及存储介质。
背景技术
为支撑业务部门分析、决策、通报等需求,电信行业的IT支撑部门需要按需进行数据提取、开发、分析形成报表,但是报表上线后会因为接口延迟、接口改造等突发事件,导致报表中的某个或某些指标在短时间内不能按照既定的要求进行更新。
现有技术中针对报表出现的异常现象,通常以发现、定位、解决的模式,被动的解决报表异常现象。由于报表多、所涉及的指标也多,多数延迟报表无法得到及时的处理,即使能够实现对个别指标预测值的填充,但由于预测算法简单,预测的准确率低,无法支撑业务部门的需求。
发明内容
本申请实施例提供了一种报表指标的预测方法、装置、设备及存储介质,能够从五个维度实现对报表指标的精准预测。
第一方面,本申请实施例提供了一种报表指标的预测方法,预测方法包括:根据第一报表的第一指标在多个历史时刻的历史数据以及第一指标随时间发展的趋势关系,确定第一指标在当前时刻的趋势值;根据第一指标在多个历史时刻的历史数据以及第一指标的周期性信息,确定第一指标在当前时刻的周期值;在节假日信息指示当前时刻与目标先前时刻之间存在节假日的情况下,确定节假日信息对第一指标影响的节假日波动值;目标先前时刻为距离当前时刻时间最短的先前时刻;根据与第一指标具有相同业务维度的第二指标在当前时刻的真实数据,确定第一指标在当前时刻的业务相关性取值;根据第二报表的第一指标在当前时刻的真实数据和预测数据的差值,确定第一报表的第一指标的修正值;预测数据是根据指标预测模型预测得到的;将趋势值、周期值、节假日波动值、业务相关性取值以及修正值输入至指标预测模型,得到第一报表的第一指标在当前时刻的预测值。
根据本申请第一方面的实施方式,根据第一报表的第一指标在多个历史时刻的历史数据以及第一指标随时间发展的趋势关系,确定第一指标在当前时刻的趋势值,具体包括:根据第一指标随时间发展的趋势关系,确定不同历史时刻的历史数据分别对应的权重;利用如下公式(1)确定第一指标在当前时刻的趋势值:
q(t)=a*yt+(1-a)*q(t-1) (1)
其中,q(0)=y0,y0为初始真实数据,q(t)为当前时刻的趋势值,yt为当前时刻的真实数据,q(t-1)为目标先前时刻的趋势值,a为yt对应的权重,取值范围为[0,1]。
根据本申请第一方面前述任一实施方式,根据第一指标在多个历史时刻的历史数据以及第一指标的周期性信息,确定第一指标在当前时刻的周期值,具体包括:根据第一指标在多个历史时刻的历史数据以及第一指标的周期性信息,将历史数据转化为傅里叶级数的形式;利用如下公式(2)确定第一指标在当前时刻的周期值:
其中,p(t)为当前时刻的周期值,N为傅里叶级数展开的级数,T为第一指标的更新周期,an和bn为傅里叶级数的系数。
根据本申请第一方面前述任一实施方式,在节假日信息指示当前时刻与目标先前时刻之间存在节假日的情况下,确定节假日信息对第一指标影响的节假日波动值,具体包括:在节假日信息指示当前时刻与目标先前时刻之间存在节假日的情况下,根据节假日对应的时间区间,确定时间区间的每一天分别对应的指标调整幅度;根据时间区间和指标调整幅度,利用如下公式(3)确定节假日信息对第一指标影响的节假日波动值:
其中,h(t)为当前时刻的节假日波动值,L为节假日的个数,D为节假日的集合,Di为每个节假日对应的时间区间,Ki为Di的每一天对应的指标调整幅度。
根据本申请第一方面前述任一实施方式,在根据与第一指标具有相同业务维度的第二指标在当前时刻的真实数据,确定第一指标在当前时刻的业务相关性取值之前,预测方法还包括:根据第一报表的第一指标在多个历史时刻的历史数据以及与第一指标具有相同业务维度的第二指标在当前时刻的真实数据,从多个候选第二指标中筛选出与第一指标的关联性满足预设条件的第二指标。
根据本申请第一方面前述任一实施方式,根据第一报表的第一指标在多个历史时刻的历史数据以及与第一指标具有相同业务维度的第二指标在当前时刻的真实数据,从多个候选第二指标中筛选出与第一指标的关联性满足预设条件的第二指标,具体包括:根据第一报表的第一指标在多个历史时刻的历史数据以及与第一指标具有相同业务维度的候选第二指标在当前时刻的真实数据,确定第一指标和各个候选第二指标的最大信息系数值;从候选第二指标中筛选出最大信息系数值最大的N个指标,作为第二指标。
根据本申请第一方面前述任一实施方式,根据与第一指标具有相同业务维度的第二指标在当前时刻的真实数据,确定第一指标在当前时刻的业务相关性取值,具体包括:对第二指标在当前时刻的真实数据进行回归拟合,确定第二指标的回归系数;根据第二指标在当前时刻的真实数据、第二指标的最大信息系数值以及第二标的回归系数,确定第一指标在当前时刻的业务相关性取值。
根据本申请第一方面前述任一实施方式,根据第二报表的第一指标在当前时刻的真实数据和预测数据的差值,确定第一报表的第一指标的修正值,具体包括:计算第二报表的第一指标在当前时刻的真实数据和预测数据的差值;若差值的第一数量大于差值的第二数量,则计算大于0的差值的平均值,作为第一报表的第一指标的修正值;第一数量为差值大于0的差值个数,第二数量为差值小于0的差值个数;若差值的第一数量小于差值的第二数量,则计算小于0的差值的平均值,作为第一报表的第一指标的修正值;若差值的第一数量等于差值的第二数量,则将所有差值的中位数作为第一报表的第一指标的修正值。
第二方面,本申请实施例提供了一种报表指标的预测装置,预测装置包括:第一确定模块,用于根据第一报表的第一指标在多个历史时刻的历史数据以及第一指标随时间发展的趋势关系,确定第一指标在当前时刻的趋势值;第二确定模块,用于根据第一指标在多个历史时刻的历史数据以及第一指标的周期性信息,确定第一指标在当前时刻的周期值;第三确定模块,用于在节假日信息指示当前时刻与目标先前时刻之间存在节假日的情况下,确定节假日信息对第一指标影响的节假日波动值;目标先前时刻为距离当前时刻时间最短的先前时刻;第四确定模块,用于根据与第一指标具有相同业务维度的第二指标在当前时刻的真实数据,确定第一指标在当前时刻的业务相关性取值;第五确定模块,用于根据第二报表的第一指标在当前时刻的真实数据和预测数据的差值,确定第一报表的第一指标的修正值;预测数据是根据指标预测模型预测得到的;预测模块,用于将趋势值、周期值、节假日波动值、业务相关性取值以及修正值输入至指标预测模型,得到第一报表的第一指标在当前时刻的预测值。
第三方面,本申请实施例提供了一种电子设备,电子设备包括:处理器、存储器及存储在存储器上并可在处理器上运行的计算机程序,计算机程序被处理器执行时实现如第一方面提供的报表指标的预测方法的步骤。
第四方面,本申请实施例提供了一种计算机可读存储介质,计算机可读存储介质上存储计算机程序,计算机程序被处理器执行时实现如第一方面提供的报表指标的预测方法的步骤。
本申请实施例的报表指标的预测方法、装置、设备及存储介质,根据第一报表的第一指标在多个历史时刻的历史数据、第一指标随时间发展的趋势关系、第一指标的周期性信息、当前时刻与目标先前时刻之间的节假日信息、与第一指标具有相同业务维度的第二指标在当前时刻的真实数据以及第二报表的第一指标在当前时刻的真实数据和预测数据,确定第一指标在当前时刻的趋势值、周期值、业务相关性取值、节假日信息对第一指标影响的节假日波动值以及第一指标的修正值;将趋势值、周期值、节假日波动值、业务相关性取值以及修正值输入至指标预测模型,从五个维度对第一指标在当前时刻的预测值进行预测。充分考虑了指标历史数据周期性的突变情况和节假日对指标预测的影响,加入了业务相关性取值和修正值,避免了指标无规律波动和外界影响因素对指标预测的影响,从而提高了指标预测的准确性。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例中所需要使用的附图作简单的介绍,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的附图。
图1是本申请实施例提供的一种报表指标的预测方法的流程示意图;
图2是本申请实施例提供的一种报表指标的预测装置的结构示意图;
图3是本申请实施例提供的一种电子设备的硬件结构示意图。
具体实施方式
下面将详细描述本申请的各个方面的特征和示例性实施例,为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及具体实施例,对本申请进行进一步详细描述。应理解,此处所描述的具体实施例仅意在解释本申请,而不是限定本申请。对于本领域技术人员来说,本申请可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本申请的示例来提供对本申请更好的理解。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
应当理解,本文中使用的术语“和/或”仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,一般表示前后关联对象是一种“或”的关系。
在不脱离本申请的精神或范围的情况下,在本申请中能进行各种修改和变化,这对于本领域技术人员来说是显而易见的。因而,本申请意在覆盖落入所对应权利要求(要求保护的技术方案)及其等同物范围内的本申请的修改和变化。需要说明的是,本申请实施例所提供的实施方式,在不矛盾的情况下可以相互组合。
在阐述本申请实施例所提供的技术方案之前,为了便于对本申请实施例理解,本申请首先对现有技术中存在的问题进行具体说明:
如前所述,经本申请的发明人发现,受接口延迟、接口改造等突发事件的影响,报表上线后,在短时间内往往无法及时更新报表中的某个或某些指标数据,现有技术通常基于指标的历史数据对其进行预测,利用预测值暂时代替,以满足业务部门的需求。但报表多、所涉及的指标也多,多数延迟报表无法得到及时的处理,尤其是对业务决策、市场考核等影响重大的报表。而个别指标即使能够实现预测值的填充,一方面算法简单、准确率低,另一方面不成体系,在不同指标有业务特征变更时,不能自动更新匹配算法,做出精准预测和数据修订。且现有技术在预测时通常使用整合移动平均自回归模型(AutoregressiveIntegrated Moving Average model,ARIMA)、长短期记忆网络(Long Short-Term Memory,LSTM)等时间序列预测算法,只考虑了时间维度,没有结合实际业务特点,也没有考虑业务相关指标的影响及相似主体同一个指标的趋势变化影响,使用回归预测算法直接对指标进行拟合时,仅输出指标权重,未考虑指标与预测指标之间的相关性,预测准确率不高。
鉴于发明人的上述研究发现,本申请实施例提供了一种报表指标的预测方法、装置、设备及存储介质,能够解决现有技术中存在的报表指标预测准确率低的技术问题。
下面首先对本申请实施例所提供的报表指标的预测方法进行介绍。
图1示出了本申请一个实施例提供的报表指标的预测方法的流程示意图。如图1所示,该方法可以包括以下步骤:
S101、根据第一报表的第一指标在多个历史时刻的历史数据以及第一指标随时间发展的趋势关系,确定第一指标在当前时刻的趋势值。
在获取了第一报表的报表名称、第一报表中的指标名称以及各指标的历史更新周期之后,对同一更新周期下多次出现的指标进行去重,同一更新周期仅保留唯一的一个指标作为第一报表的第一指标。根据第一指标在当前时刻的真实数据、在当前时刻的上一时刻的历史数据,以及第一指标时间序列的历史趋势,可以确定第一指标在当前时刻的趋势值。
S102、根据第一指标在多个历史时刻的历史数据以及第一指标的周期性信息,确定第一指标在当前时刻的周期值。
根据第一指标在多个历史时刻的历史数据以及第一指标的更新周期,可以确定第一指标在当前时刻的周期值,即确定引起第一指标呈周期性波动的数值。
S103、在节假日信息指示当前时刻与目标先前时刻之间存在节假日的情况下,确定节假日信息对第一指标影响的节假日波动值。
节假日会引起第一指标呈特定的规律性波动,例如春节期间不少业务的办理量明显下降,因此若当前时刻与距离当前时刻时间最短的先前时刻之间存在节假日,需要根据不同节假日区间的第一指标的历史数据,确定节假日信息对第一指标影响的节假日波动值。
S104、根据与第一指标具有相同业务维度的第二指标在当前时刻的真实数据,确定第一指标在当前时刻的业务相关性取值。
第二指标可以是第一报表中与第一指标业务维度相同的指标,第二指标与第一指标具有高度的关联性,根据第二指标与第一指标的关联程度,以及第二指标在当前时刻的真实数据,确定第一指标在当前时刻的业务相关性取值。
S105、根据第二报表的第一指标在当前时刻的真实数据和预测数据的差值,确定第一报表的第一指标的修正值。
政策、竞争对手策略变化等外界因素的变化与各个主体的业务发展趋势密切相关,这些外界因素一般是突发性的,较难提前预测且无法具体量化。若外界因素的出现对大部分主体的业务有正向激励作用,则对其他主体的业务也有激励作用,否则全都是负向影响或无影响。根据已知主体第二报表中的第一指标在当前时刻的真实数据和预测数据的差值,对第一报表中第一指标的预测值进行修正,确定第一报表的第一指标的修正值。
S106、将趋势值、周期值、节假日波动值、业务相关性取值以及修正值输入至指标预测模型,得到第一报表的第一指标在当前时刻的预测值。
指标预测模型用于预测报表指标的预测值,将第一指标在当前时刻的趋势值、在当前时刻的周期值、节假日信息对第一指标影响的节假日波动值、在当前时刻的业务相关性取值,以及第一指标的修正值作为输入项输入至指标预测模型,能够得到第一指标在当前时刻的预测值。
本申请实施例的报表指标的预测方法,根据第一报表的第一指标在多个历史时刻的历史数据、第一指标随时间发展的趋势关系、第一指标的周期性信息、当前时刻与目标先前时刻之间的节假日信息、与第一指标具有相同业务维度的第二指标在当前时刻的真实数据以及第二报表的第一指标在当前时刻的真实数据和预测数据,确定第一指标在当前时刻的趋势值、周期值、业务相关性取值、节假日信息对第一指标影响的节假日波动值以及第一指标的修正值;将趋势值、周期值、节假日波动值、业务相关性取值以及修正值输入至指标预测模型,从五个维度对第一指标在当前时刻的预测值进行预测。充分考虑了指标历史数据周期性的突变情况和节假日对指标预测的影响,加入了业务相关性取值和修正值,避免了指标无规律波动和外界影响因素对指标预测的影响,从而提高了指标预测的准确性。
在一些实施例中,根据第一报表的第一指标在多个历史时刻的历史数据以及第一指标随时间发展的趋势关系,确定第一指标在当前时刻的趋势值,具体包括:根据第一指标随时间发展的趋势关系,确定不同历史时刻的历史数据分别对应的权重;利用如下公式(1)确定第一指标在当前时刻的趋势值:
q(t)=a*yt+(1-a)*q(t-1) (1)
其中,q(0)=y0,y0为初始真实数据,q(t)为当前时刻的趋势值,yt为当前时刻的真实数据,q(t-1)为目标先前时刻的趋势值,a为yt对应的权重,取值范围为[0,1]。
示例性地,本申请实施例主要采用指数平滑法计算第一指标在当前时刻的趋势值,指数平滑法是移动平均法中的一种,常用于短期的时间序列预测。根据第一指标随时间发展的趋势关系,确定不同历史时刻的历史数据分别对应的权重,距离当前时刻时间较短的时刻历史数据权重较大,距离当前时刻时间较长的时刻历史数据权重较小,权重越大,其对应的历史数据越偏向于当前时刻的真实数据,权重越小,其对应的历史数据对当前时刻的趋势值影响越小。利用公式(1)确定第一指标在当前时刻的趋势值。
在一些实施例中,根据第一指标在多个历史时刻的历史数据以及第一指标的周期性信息,确定第一指标在当前时刻的周期值,具体包括:根据第一指标在多个历史时刻的历史数据以及第一指标的周期性信息,将历史数据转化为傅里叶级数的形式;利用如下公式(2)确定第一指标在当前时刻的周期值:
其中,p(t)为当前时刻的周期值,N为傅里叶级数展开的级数,T为第一指标的更新周期,an和bn为傅里叶级数的系数。
示例性地,将第一指标的历史数据转化为傅里叶级数的形式,利用公式(2)确定第一指标在当前时刻的周期值。其中,傅里叶级数展开的级数N可根据第一指标的更新周期T针对性设置;当第一指标的更新周期为一周时,T可设为7,当第一指标的更新周期为一月时,T可设为30;傅里叶级数的系数an的计算公式如公式(2.1)所示:
傅里叶级数的系数bn的计算公式如公式(2.2)所示:
在一些实施例中,在节假日信息指示当前时刻与目标先前时刻之间存在节假日的情况下,确定节假日信息对第一指标影响的节假日波动值,具体包括:在节假日信息指示当前时刻与目标先前时刻之间存在节假日的情况下,根据节假日对应的时间区间,确定时间区间的每一天分别对应的指标调整幅度;根据时间区间和指标调整幅度,利用如下公式(3)确定节假日信息对第一指标影响的节假日波动值:
其中,h(t)为当前时刻的节假日波动值,L为节假日的个数,D为节假日的集合,Di为每个节假日对应的时间区间,Ki为Di的每一天对应的指标调整幅度。
示例性地,若当前时刻与目标先前时刻之间存在L个节假日,利用公式(3)计算节假日信息对第一指标影响的节假日波动值。其中,节假日的集合D={D1,D2,D3,…,DL},Di的每一天对应的指标调整幅度Ki={k1,k2,k3,…,kL}。以国庆节为例,其对应的时间区间Di为10月1日至10月7日,10月1日至10月7日对应的指标调整幅度Ki={k1,k2,k3,…,k7}。Ki的值既可通过手动输入的方式进行设置,也可通过计算第一指标的多个更新周期中,相应节假日区间第一指标的真实数据和对应时刻的趋势值的差值的平均值进行设置。将所有节假日的Ki与Di相乘后再相加,即可得到节假日信息对第一指标影响的节假日波动值。
在一些实施例中,在根据与第一指标具有相同业务维度的第二指标在当前时刻的真实数据,确定第一指标在当前时刻的业务相关性取值之前,预测方法还包括:根据第一报表的第一指标在多个历史时刻的历史数据以及与第一指标具有相同业务维度的第二指标在当前时刻的真实数据,从多个候选第二指标中筛选出与第一指标的关联性满足预设条件的第二指标。
示例性地,根据第一报表的第一指标在多个历史时刻的历史数据以及与第一指标具有相同业务维度的第二指标在当前时刻的真实数据,确定第一指标和各个候选第二指标之间的关联程度,从多个候选第二指标中筛选出与第一指标的关联程度最强的N个指标,即满足预设条件的第二指标。
在一些实施例中,根据第一报表的第一指标在多个历史时刻的历史数据以及与第一指标具有相同业务维度的第二指标在当前时刻的真实数据,从多个候选第二指标中筛选出与第一指标的关联性满足预设条件的第二指标,具体包括:根据第一报表的第一指标在多个历史时刻的历史数据以及与第一指标具有相同业务维度的候选第二指标在当前时刻的真实数据,确定第一指标和各个候选第二指标的最大信息系数值;从候选第二指标中筛选出最大信息系数值最大的N个指标,作为第二指标。
示例性地,本申请实施例采用最大信息系数(Maximal InformationCoefficient,MIC)方法计算第一指标和各个候选第二指标的最大信息系数值,最大信息系数值可用于衡量两个变量之间线性或非线性的关联程度。MIC方法具有普适性、公平性和对称性的特点,在拥有足够多的统计样本时,可以捕获变量间广泛的关系,如线性、指数型、周期型等,通过计算第一指标和各个候选第二指标的最大信息系数值来评估第一指标和各个候选第二指标的关联程度,从候选第二指标中筛选出最大信息系数值最大的N个指标,即与第一指标的关联程度最强的N个指标,作为第二指标。
最大信息系数值的计算主要分为三个步骤:首先,给定i、j,对第一指标X和第二指标Y构成的散点图进行i列j行网格化,并利用如下公式(4)计算X和Y之间的互信息值:
其中,I[X;Y]为X和Y之间的互信息值,p(X,Y)为X和Y之间的联合概率;其次,对最大的互信息值进行归一化;最后,利用如下公式(5)确定不同尺度下互信息的最大值作为最大信息系数值:
其中,β、MIC[X;Y]为最大信息系数值。
在一些实施例中,根据与第一指标具有相同业务维度的第二指标在当前时刻的真实数据,确定第一指标在当前时刻的业务相关性取值,具体包括:对第二指标在当前时刻的真实数据进行回归拟合,确定第二指标的回归系数;根据第二指标在当前时刻的真实数据、第二指标的最大信息系数值以及第二标的回归系数,确定第一指标在当前时刻的业务相关性取值。
示例性地,利用如下公式(5)和(6)对第二指标在当前时刻的真实数据进行回归拟合:
其中,X的表达式如公式(5.1)所示,θ的表达式如公式(5.2)所示:
为第一指标的业务相关性取值,xj代表第二指标,θj为第二指标对应的权重,为第i行第一指标的业务相关性取值,为第i行的第j个第二指标的真实数据,i={1,2,…,n},j={1,2,…,k}。为使拟合达到良好的效果,需找到回归系数θ,使尽可能小,其中,yi为第一指标的真实数据。
根据公式(5.1)和公式(5.2),进行如下公式(7)的推导:
利用如下公式(8)求解回归系数θ:
θ=(XTX)-1XTy (8)
由于回归系数θ仅影响第一指标的预测值,无法直接体现第一指标和第二指标之间的相关性,因此需要加入MIC方法所得的最大信息系数值β,对回归系数θ进行调整,利用如下公式(9)确定第二指标的回归系数:
α={α0,α1,α2,…,αk}
α=mean(θ,β) (9)其中,mean(θ,β)为θ和β的平均值。通过融合回归系数θ和最大信息系数值β来确定第二指标的回归系数,可以解决传统回归预测方法中忽略指标相关性的问题。
最终利用如下公式(10)确定第一指标在当前时刻的业务相关性取值:
以5G套餐用户数指标为第一指标为例,计算该报表内其他指标与5G套餐用户数指标的最大信息系数值,筛选出最大信息系数值最大的5个指标,即5G终端用户数指标、5G网络用户数指标、手机上网用户数指标、套餐合约客户数指标以及出账用户数指标,其最大信息系数值β分别为0.71,0.63,0.56,0.53,0.47。基于这5个指标进行回归拟合,得到其相应的回归系数θ分别为0.59,0.37,0.28,0.24,0.16。结合最大信息系数值β和回归系数θ,利用公式(9)得到5个指标的回归系数α分别为0.65,0.5,0.42,0.385,0.315。利用公式(10)确定5G套餐用户数指标在当前时刻的业务相关性取值y=0.65*x1+0.5*x2+0.42*x3+0.385*x4+0.315*x5,其中,x1、x2、x3、x4、x5分别为5G终端用户数指标、5G网络用户数指标、手机上网用户数指标、套餐合约客户数指标以及出账用户数指标在当前时刻的真实数据。
在一些实施例中,根据第二报表的第一指标在当前时刻的真实数据和预测数据的差值,确定第一报表的第一指标的修正值,具体包括:计算第二报表的第一指标在当前时刻的真实数据和预测数据的差值;若差值的第一数量大于差值的第二数量,则计算大于0的差值的平均值,作为第一报表的第一指标的修正值;第一数量为差值大于0的差值个数,第二数量为差值小于0的差值个数;若差值的第一数量小于差值的第二数量,则计算小于0的差值的平均值,作为第一报表的第一指标的修正值;若差值的第一数量等于差值的第二数量,则将所有差值的中位数作为第一报表的第一指标的修正值。
示例性地,报表中的每个指标是以不同主体的具体指标来展示的,例如当日手机上网流量指标,其具体会细分出31省的当日手机上网流量指标来进行展示,对于报表指标的预测其实是对31省的具体指标的预测。如果遇到接口延迟等问题,往往只是导致其中一个省或几个省的指标出现延迟,由于各省是独立的,所有省均出现问题的可能性较小,因此这种情况下只需要对存在延迟的指标进行预测即可。此时其他未出现延迟的多省指标已具备真实数据,如果这些省的趋势存在共性,延迟指标极大可能也存在该种趋势,因此可以基于未出现延迟的多省指标的真实数据来对延迟指标的预测值进行修正,以提高指标预测的准确性。
假设当前已有M个省具备真实数据,利用如下公式(11)计算M个省的第一指标在当前时刻的真实数据和预测数据的差值:
pwi=ftruei-fprei (11)
得到差值的集合pw={pw1,pw2,pw3,…,pwM},其中,ftruei为第一指标在当前时刻的真实数据,fprei为第一指标在当前时刻的预测数据,pwi为第一指标在当前时刻的真实数据和预测数据的差值。
利用如下公式(12)统计差值的集合pw中大于0的差值个数,利用如下公式(13)统计差值的集合pw中小于0的差值个数:
其中,δzs为大于0的差值个数,即第一数量,δfs为小于0的差值个数,即第二数量。
比较第一数量和第二数量的大小,利用如下公式(14)确定第一报表的第一指标的修正值:
其中,z(t)为第一报表的第一指标的修正值,mean(pwiz)为大于0的差值的平均值,mean(pwif)为小于0的差值的平均值,median(pw)为所有差值的中位数。
在一些实施例中,将第一指标在当前时刻的趋势值、周期值、节假日波动值、业务相关性取值以及修正值输入至指标预测模型,利用如下公式(15)确定第一指标在当前时刻的预测值:
f(t)=a*(q(t)+p(t)+h(t))+b*w(t)+z(t) (15)
其中,q(t)为第一指标在当前时刻的趋势值,p(t)为第一指标在当前时刻的周期值,h(t)为节假日信息对第一指标影响的节假日波动值,w(t)为第一指标在当前时刻的业务相关性取值,z(t)为第一指标的修正值,a为趋势值、周期值、节假日波动值的权重,b为业务相关性取值的权重。
在得到各个指标的预测值之后,需要对其预测效果进行测试,通过选取近期30个周期的历史数据进行滚动预测,计算每个周期的指标预测值与真实值的相对误差,再计算出近30个周期的平均相对误差,若平均相对误差小于3%则可将指标预测模型固化上线,以进行指标的实时预测。
在指标预测模型固化上线之后,需要实时监控指标的预测效果,若连续三天平均相对误差均大于10%,则会触发相应的报警装置,由人工对该指标进行个性化参数的设置,以完成指标预测模型的更新与优化。
通过上述实施例,以预测值暂时代替指标数据进行展示,有效保障了报表指标数据的及时性,同时实时监控指标的预测效果,及时更新指标预测模型,保证了指标预测的准确性。且本申请实施例的指标预测模型可适用于所有业务数据分省计算和运营的场景,如三大运营商、各大银行金融类企业等,具备较高的推广价值。
基于上述实施例提供的报表指标的预测方法,相应地,本申请还提供了报表指标的预测装置的具体实现方式。请参见以下实施例。
首先参见图2,本申请实施例提供的报表指标的预测装置20包括以下单元:
第一确定模块201,用于根据第一报表的第一指标在多个历史时刻的历史数据以及第一指标随时间发展的趋势关系,确定第一指标在当前时刻的趋势值;
第二确定模块202,用于根据第一指标在多个历史时刻的历史数据以及第一指标的周期性信息,确定第一指标在当前时刻的周期值;
第三确定模块203,用于在节假日信息指示当前时刻与目标先前时刻之间存在节假日的情况下,确定节假日信息对第一指标影响的节假日波动值;目标先前时刻为距离当前时刻时间最短的先前时刻;
第四确定模块204,用于根据与第一指标具有相同业务维度的第二指标在当前时刻的真实数据,确定第一指标在当前时刻的业务相关性取值;
第五确定模块205,用于根据第二报表的第一指标在当前时刻的真实数据和预测数据的差值,确定第一报表的第一指标的修正值;预测数据是根据指标预测模型预测得到的;
预测模块206,用于将趋势值、周期值、节假日波动值、业务相关性取值以及修正值输入至指标预测模型,得到第一报表的第一指标在当前时刻的预测值。
本申请实施例的报表指标的预测装置,根据第一报表的第一指标在多个历史时刻的历史数据、第一指标随时间发展的趋势关系、第一指标的周期性信息、当前时刻与目标先前时刻之间的节假日信息、与第一指标具有相同业务维度的第二指标在当前时刻的真实数据以及第二报表的第一指标在当前时刻的真实数据和预测数据,确定第一指标在当前时刻的趋势值、周期值、业务相关性取值、节假日信息对第一指标影响的节假日波动值以及第一指标的修正值;将趋势值、周期值、节假日波动值、业务相关性取值以及修正值输入至指标预测模型,从五个维度对第一指标在当前时刻的预测值进行预测。充分考虑了指标历史数据周期性的突变情况和节假日对指标预测的影响,加入了业务相关性取值和修正值,避免了指标无规律波动和外界影响因素对指标预测的影响,从而提高了指标预测的准确性。
在一些实施例中,为了确定第一指标在当前时刻的趋势值,上述第一确定模块201具体包括:
第一确定子模块,用于根据第一指标随时间发展的趋势关系,确定不同历史时刻的历史数据分别对应的权重;
第二确定子模块,用于利用如下公式(1)确定第一指标在当前时刻的趋势值:
q(t)=a*yt+(1-a)*q(t-1) (1)
其中,q(0)=y0,y0为初始真实数据,q(t)为当前时刻的趋势值,yt为当前时刻的真实数据,q(t-1)为目标先前时刻的趋势值,a为yt对应的权重,取值范围为[0,1]。
在一些实施例中,为了确定第一指标在当前时刻的周期值,上述第二确定模块202具体包括:
转化子模块,用于根据第一指标在多个历史时刻的历史数据以及第一指标的周期性信息,将历史数据转化为傅里叶级数的形式;
第三确定子模块,用于利用如下公式(2)确定第一指标在当前时刻的周期值:
其中,p(t)为当前时刻的周期值,N为傅里叶级数展开的级数,T为第一指标的更新周期,an和bn为傅里叶级数的系数。
在一些实施例中,为了确定节假日信息对第一指标影响的节假日波动值,上述第三确定模块203具体包括:
第四确定子模块,用于在节假日信息指示当前时刻与目标先前时刻之间存在节假日的情况下,根据节假日对应的时间区间,确定时间区间的每一天分别对应的指标调整幅度;
第五确定子模块,用于根据时间区间和指标调整幅度,利用如下公式(3)确定节假日信息对第一指标影响的节假日波动值:
其中,h(t)为当前时刻的节假日波动值,L为节假日的个数,D为节假日的集合,Di为每个节假日对应的时间区间,Ki为Di的每一天对应的指标调整幅度。
在一些实施例中,为了筛选与第一指标的关联性满足预设条件的第二指标,上述报表指标的预测装置20还包括:
筛选模块,用于根据第一报表的第一指标在多个历史时刻的历史数据以及与第一指标具有相同业务维度的第二指标在当前时刻的真实数据,从多个候选第二指标中筛选出与第一指标的关联性满足预设条件的第二指标。
在一些实施例中,为了筛选与第一指标的关联性满足预设条件的第二指标,上述筛选模块具体包括:
第六确定子模块,用于根据第一报表的第一指标在多个历史时刻的历史数据以及与第一指标具有相同业务维度的候选第二指标在当前时刻的真实数据,确定第一指标和各个候选第二指标的最大信息系数值;
筛选子模块,用于从候选第二指标中筛选出最大信息系数值最大的N个指标,作为第二指标。
在一些实施例中,为了确定第一指标在当前时刻的业务相关性取值,上述第四确定模块204具体包括:
拟合子模块,用于对第二指标在当前时刻的真实数据进行回归拟合,确定第二指标的回归系数;
第七确定子模块,用于根据第二指标在当前时刻的真实数据、第二指标的最大信息系数值以及第二标的回归系数,确定第一指标在当前时刻的业务相关性取值。
在一些实施例中,为了确定第一报表的第一指标的修正值,上述第五确定模块205具体包括:
第一计算子模块,用于计算第二报表的第一指标在当前时刻的真实数据和预测数据的差值;
第二计算子模块,用于若差值的第一数量大于差值的第二数量,则计算大于0的差值的平均值,作为第一报表的第一指标的修正值;第一数量为差值大于0的差值个数,第二数量为差值小于0的差值个数;
第三计算子模块,用于若差值的第一数量小于差值的第二数量,则计算小于0的差值的平均值,作为第一报表的第一指标的修正值;
第四计算子模块,用于若差值的第一数量等于差值的第二数量,则将所有差值的中位数作为第一报表的第一指标的修正值。
图2所示装置中的各个模块具有实现图1中各个步骤的功能,并能达到其相应的技术效果,为简洁描述,在此不再赘述。
基于上述实施例提供的报表指标的预测方法,相应地,本申请还提供了电子设备的具体实现方式。请参见以下实施例。
图3示出了本申请实施例提供的电子设备的硬件结构示意图。
电子设备可以包括处理器301以及存储有计算机程序指令的存储器302。
具体地,上述处理器301可以包括中央处理器(Central Processing Unit,CPU),或者特定集成电路(Application Specific Integrated Circuit,ASIC),或者可以被配置成实施本申请实施例的一个或多个集成电路。
存储器302可以包括用于数据或指令的大容量存储器。举例来说而非限制,存储器302可包括硬盘驱动器(Hard Disk Drive,HDD)、软盘驱动器、闪存、光盘、磁光盘、磁带或通用串行总线(Universal Serial Bus,USB)驱动器或者两个或更多个以上这些的组合。在一个示例中,存储器302可以包括可移除或不可移除(或固定)的介质,或者存储器302是非易失性固态存储器。存储器302可在综合网关容灾设备的内部或外部。
在一个示例中,存储器302可以是只读存储器(Read Only Memory,ROM)。在一个示例中,该ROM可以是掩模编程的ROM、可编程ROM(PROM)、可擦除PROM(EPROM)、电可擦除PROM(EEPROM)、电可改写ROM(EAROM)或闪存或者两个或更多个以上这些的组合。
存储器302可以包括只读存储器(ROM),随机存取存储器(RAM),磁盘存储介质设备,光存储介质设备,闪存设备,电气、光学或其他物理/有形的存储器存储设备。因此,通常,存储器包括一个或多个编码有包括计算机可执行指令的软件的有形(非暂态)计算机可读存储介质(例如,存储器设备),并且当该软件被执行(例如,由一个或多个处理器)时,其可操作来执行参考根据本申请的一方面的方法所描述的操作。
处理器301通过读取并执行存储器302中存储的计算机程序指令,以实现图1所示实施例中的方法/步骤S101至S106,并达到图1所示实例执行其方法/步骤达到的相应技术效果,为简洁描述在此不再赘述。
在一个示例中,电子设备还可包括通信接口303和总线310。其中,如图3所示,处理器301、存储器302、通信接口303通过总线310连接并完成相互间的通信。
通信接口303,主要用于实现本申请实施例中各模块、装置、单元和/或设备之间的通信。
总线310包括硬件、软件或两者,将电子设备的部件彼此耦接在一起。举例来说而非限制,总线可包括加速图形端口(Accelerated Graphics Port,AGP)或其他图形总线、增强工业标准架构(Extended Industry Standard Architecture,EISA)总线、前端总线(Front Side Bus,FSB)、超传输(Hyper Transport,HT)互连、工业标准架构(IndustryStandard Architecture,ISA)总线、无限带宽互连、低引脚数(LPC)总线、存储器总线、微信道架构(MCA)总线、外围组件互连(PCI)总线、PCI-Express(PCI-X)总线、串行高级技术附件(SATA)总线、视频电子标准协会局部(VLB)总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下,总线310可包括一个或多个总线。尽管本申请实施例描述和示出了特定的总线,但本申请考虑任何合适的总线或互连。
另外,结合上述实施例中的报表指标的预测方法,本申请实施例可提供一种计算机可读存储介质来实现。该计算机可读存储介质上存储有计算机程序指令;该计算机程序指令被处理器执行时实现上述实施例中的任意一种报表指标的预测方法。计算机可读存储介质的示例包括非暂态计算机可读存储介质,如电子电路、半导体存储器设备、ROM、随机存取存储器、闪存、可擦除ROM(EROM)、软盘、CD-ROM、光盘、硬盘。
需要明确的是,本申请并不局限于上文所描述并在图中示出的特定配置和处理。为了简明起见,这里省略了对已知方法的详细描述。在上述实施例中,描述和示出了若干具体的步骤作为示例。但是,本申请的方法过程并不限于所描述和示出的具体步骤,本领域的技术人员可以在领会本申请的精神后,作出各种改变、修改和添加,或者改变步骤之间的顺序。
以上所述的结构框图中所示的功能块可以实现为硬件、软件、固件或者它们的组合。当以硬件方式实现时,其可以例如是电子电路、专用集成电路(Application SpecificIntegrated Circuit,ASIC)、适当的固件、插件、功能卡等等。当以软件方式实现时,本申请的元素是被用于执行所需任务的程序或者代码段。程序或者代码段可以存储在机器可读介质中,或者通过载波中携带的数据信号在传输介质或者通信链路上传送。“机器可读介质”可以包括能够存储或传输信息的任何介质。机器可读介质的例子包括电子电路、半导体存储器设备、ROM、闪存、可擦除ROM(EROM)、软盘、CD-ROM、光盘、硬盘、光纤介质、射频(RadioFrequency,RF)链路,等等。代码段可以经由诸如因特网、内联网等的计算机网络被下载。
还需要说明的是,本申请中提及的示例性实施例,基于一系列的步骤或者装置描述一些方法或系统。但是,本申请不局限于上述步骤的顺序,也就是说,可以按照实施例中提及的顺序执行步骤,也可以不同于实施例中的顺序,或者若干步骤同时执行。
上面参考根据本申请的实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本申请的各方面。应当理解,流程图和/或框图中的每个方框以及流程图和/或框图中各方框的组合可以由计算机程序指令实现。这些计算机程序指令可被提供给通用计算机、专用计算机、或其它可编程数据处理装置的处理器,以产生一种机器,使得经由计算机或其它可编程数据处理装置的处理器执行的这些指令使能对流程图和/或框图的一个或多个方框中指定的功能/动作的实现。这种处理器可以是但不限于是通用处理器、专用处理器、特殊应用处理器或者现场可编程逻辑电路。还可理解,框图和/或流程图中的每个方框以及框图和/或流程图中的方框的组合,也可以由执行指定的功能或动作的专用硬件来实现,或可由专用硬件和计算机指令的组合来实现。
以上所述,仅为本申请的具体实施方式,所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,上述描述的系统、模块和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。应理解,本申请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申请揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本申请的保护范围之内。
Claims (11)
1.一种报表指标的预测方法,其特征在于,所述方法包括:
根据第一报表的第一指标在多个历史时刻的历史数据以及所述第一指标随时间发展的趋势关系,确定所述第一指标在当前时刻的趋势值;
根据所述第一指标在多个历史时刻的历史数据以及所述第一指标的周期性信息,确定所述第一指标在当前时刻的周期值;
在节假日信息指示当前时刻与目标先前时刻之间存在节假日的情况下,确定所述节假日信息对所述第一指标影响的节假日波动值;所述目标先前时刻为距离所述当前时刻时间最短的先前时刻;
根据与所述第一指标具有相同业务维度的第二指标在当前时刻的真实数据,确定所述第一指标在当前时刻的业务相关性取值;
根据第二报表的第一指标在当前时刻的真实数据和预测数据的差值,确定所述第一报表的第一指标的修正值;所述预测数据是根据指标预测模型预测得到的;
将所述趋势值、周期值、节假日波动值、业务相关性取值以及修正值输入至所述指标预测模型,得到所述第一报表的第一指标在当前时刻的预测值。
2.根据权利要求1所述的方法,其特征在于,所述根据第一报表的第一指标在多个历史时刻的历史数据以及所述第一指标随时间发展的趋势关系,确定所述第一指标在当前时刻的趋势值,具体包括:
根据所述第一指标随时间发展的趋势关系,确定不同历史时刻的历史数据分别对应的权重;
利用如下公式(1)确定所述第一指标在当前时刻的趋势值:
q(t)=a*yt+(1-a)*q(t-1) (1)
其中,q(0)=y0,y0为初始真实数据,q(t)为当前时刻的趋势值,yt为当前时刻的真实数据,q(t-1)为目标先前时刻的趋势值,a为yt对应的权重,取值范围为[0,1]。
5.根据权利要求1所述的方法,其特征在于,在所述根据与所述第一指标具有相同业务维度的第二指标在当前时刻的真实数据,确定所述第一指标在当前时刻的业务相关性取值之前,所述方法还包括:
根据所述第一报表的第一指标在多个历史时刻的历史数据以及与所述第一指标具有相同业务维度的第二指标在当前时刻的真实数据,从多个候选第二指标中筛选出与所述第一指标的关联性满足预设条件的第二指标。
6.根据权利要求5所述的方法,其特征在于,所述根据所述第一报表的第一指标在多个历史时刻的历史数据以及与所述第一指标具有相同业务维度的第二指标在当前时刻的真实数据,从多个候选第二指标中筛选出与所述第一指标的关联性满足预设条件的第二指标,具体包括:
根据所述第一报表的第一指标在多个历史时刻的历史数据以及与所述第一指标具有相同业务维度的候选第二指标在当前时刻的真实数据,确定所述第一指标和各个所述候选第二指标的最大信息系数值;
从所述候选第二指标中筛选出所述最大信息系数值最大的N个指标,作为所述第二指标。
7.根据权利要求6所述的方法,其特征在于,所述根据与所述第一指标具有相同业务维度的第二指标在当前时刻的真实数据,确定所述第一指标在当前时刻的业务相关性取值,具体包括:
对所述第二指标在当前时刻的真实数据进行回归拟合,确定所述第二指标的回归系数;
根据所述第二指标在当前时刻的真实数据、所述第二指标的最大信息系数值以及所述第二标的回归系数,确定所述第一指标在当前时刻的业务相关性取值。
8.根据权利要求1所述的方法,其特征在于,所述根据第二报表的第一指标在当前时刻的真实数据和预测数据的差值,确定所述第一报表的第一指标的修正值,具体包括:
计算所述第二报表的第一指标在当前时刻的真实数据和预测数据的差值;
若差值的第一数量大于差值的第二数量,则计算大于0的差值的平均值,作为所述第一报表的第一指标的修正值;所述第一数量为所述差值大于0的差值个数,所述第二数量为所述差值小于0的差值个数;
若差值的第一数量小于差值的第二数量,则计算小于0的差值的平均值,作为所述第一报表的第一指标的修正值;
若差值的第一数量等于差值的第二数量,则将所有差值的中位数作为所述第一报表的第一指标的修正值。
9.一种报表指标的预测装置,其特征在于,所述装置包括:
第一确定模块,用于根据第一报表的第一指标在多个历史时刻的历史数据以及所述第一指标随时间发展的趋势关系,确定所述第一指标在当前时刻的趋势值;
第二确定模块,用于根据所述第一指标在多个历史时刻的历史数据以及所述第一指标的周期性信息,确定所述第一指标在当前时刻的周期值;
第三确定模块,用于在节假日信息指示当前时刻与目标先前时刻之间存在节假日的情况下,确定所述节假日信息对所述第一指标影响的节假日波动值;所述目标先前时刻为距离所述当前时刻时间最短的先前时刻;
第四确定模块,用于根据与所述第一指标具有相同业务维度的第二指标在当前时刻的真实数据,确定所述第一指标在当前时刻的业务相关性取值;
第五确定模块,用于根据第二报表的第一指标在当前时刻的真实数据和预测数据的差值,确定所述第一报表的第一指标的修正值;所述预测数据是根据指标预测模型预测得到的;
预测模块,用于将所述趋势值、周期值、节假日波动值、业务相关性取值以及修正值输入至所述指标预测模型,得到所述第一报表的第一指标在当前时刻的预测值。
10.一种电子设备,其特征在于,所述电子设备包括:处理器、存储器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,所述计算机程序被所述处理器执行时实现如权利要求1至8中任一项所述的报表指标的预测方法的步骤。
11.一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上存储计算机程序,所述计算机程序被处理器执行时实现如权利要求1至8中任一项所述的报表指标的预测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211638536.7A CN115983453A (zh) | 2022-12-19 | 2022-12-19 | 报表指标的预测方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211638536.7A CN115983453A (zh) | 2022-12-19 | 2022-12-19 | 报表指标的预测方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115983453A true CN115983453A (zh) | 2023-04-18 |
Family
ID=85975223
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211638536.7A Pending CN115983453A (zh) | 2022-12-19 | 2022-12-19 | 报表指标的预测方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115983453A (zh) |
-
2022
- 2022-12-19 CN CN202211638536.7A patent/CN115983453A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109697522B (zh) | 一种数据预测的方法和装置 | |
CN107943809B (zh) | 数据质量监控方法、装置及大数据计算平台 | |
CN108647891A (zh) | 数据异常归因分析方法及装置 | |
CN102082703A (zh) | 业务支撑系统设备性能监控的方法及装置 | |
CN111162925B (zh) | 网络流量预测方法、装置、电子设备及存储介质 | |
CN112734494A (zh) | 一种销量预测方法、装置、终端设备及可读存储介质 | |
WO2023134188A1 (zh) | 指标确定方法、装置、电子设备和计算机可读介质 | |
CN110766184A (zh) | 订单量预测方法和装置 | |
CN114662926A (zh) | 科技企业评价方法及其装置、设备、介质 | |
CN111143070A (zh) | 一种资源调度方法和装置 | |
CN112738340B (zh) | 话务量的预测方法、装置、设备及存储介质 | |
CN114564370A (zh) | 告警阈值的确定方法、装置、设备及计算机存储介质 | |
CN116756522B (zh) | 概率预报方法、装置、存储介质及电子设备 | |
CN111160614B (zh) | 资源转移预测模型的训练方法、装置及计算设备 | |
CN115756812A (zh) | 一种资源调整方法及装置、存储介质 | |
CN115983453A (zh) | 报表指标的预测方法、装置、设备及存储介质 | |
CN111523083A (zh) | 一种电力负荷申报数据的确定方法以及装置 | |
CN117035842A (zh) | 模型训练方法、业务量预测方法、装置、设备和介质 | |
CN113902230A (zh) | 电量偏差控制方法、系统、存储介质和电子设备 | |
CN110677446A (zh) | 一种家庭群组用户的识别方法及装置 | |
CN114417830A (zh) | 风险评价方法、装置、设备及计算机可读存储介质 | |
CN114828055A (zh) | 用户业务感知评估方法、装置、设备、介质和程序产品 | |
CN116166957A (zh) | 基于lstm的数据处理方法、装置、计算机设备及介质 | |
CN112214675A (zh) | 用户购机的确定方法、装置、设备及计算机存储介质 | |
CN111194044A (zh) | 专线拨测方法、装置、设备和介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |