[发明专利]预测饱和拐点的方法及装置

权利要求书

1.一种预测饱和拐点的方法，其特征在于，包括：

导入与预设的运营维度相关的历史运营数据信息流；

采集所述历史运营数据信息流中各个时期的特征数据；基于目标运营维度的历史数值序列，找出所述序列中的最大值作为拐点；将所述历史数值序列以及是否处于拐点的信息组合生成至少一个训练样本；

根据所述历史运营数据信息流利用逻辑回归训练序列分类模型，从中得到饱和拐点出现时刻的特征信息；

将当前时刻的运营数据作为测试样本输入到所述序列分类模型，并根据与所述饱和拐点出现时刻的特征信息进行的比较，判断所述当前时刻的运营数据是否到达饱和拐点。

2.根据权利要求1所述的一种预测饱和拐点的方法，其特征在于，所述训练样本是由状态值和特征值组成的向量，通过状态值表示所述训练样本是否处于拐点，当处于拐点时，通过相应的训练样本的特征值得到所述饱和拐点出现时刻的特征信息。

3.根据权利要求1所述的一种预测饱和拐点的方法，其特征在于，通过记忆门控记录所有预测信号的数据及其先后顺序，将所述数据的特征信息以波形模式输出，当测试样本与这些模式的波形相似度达到设定阈值时，则认为所述样本处于饱和拐点状态。

4.根据权利要求1所述的一种预测饱和拐点的方法，其特征在于，所述将当前时刻的运营数据作为测试样本输入到所述序列分类模型包括将测试样本转化为向量表示形式并输入序列记忆单元做数值变换，通过均值汇集策略生成基于序列的预测信号。

5.一种预测饱和拐点的装置，其特征在于，包括：

导入模块，导入与预设的运营维度相关的历史运营数据信息流；

采集模块，采集所述历史运营数据信息流中各个时期的特征数据；

确定模块，基于目标运营维度的历史数值序列，找出所述序列中的最大值作为拐点；

生成模块，将所述历史数值序列以及是否处于拐点的信息组合生成至少一个训练样本；训练模块，根据所述历史运营数据信息流利用逻辑回归训练序列分类模型，从中得到饱和拐点出现时刻的特征信息；

判断模块，将当前时刻的运营数据作为测试样本输入到所述序列分类模型，并根据与所述饱和拐点出现时刻的特征信息进行的比较，判断所述当前时刻的运营数据是否到达饱和拐点。

6.根据权利要求5所述的一种预测饱和拐点的装置，其特征在于，所述训练样本是由状态值和特征值组成的向量，通过状态值表示所述训练样本是否处于拐点，当处于拐点时，通过相应的训练样本的特征值得到所述饱和拐点出现时刻的特征信息。

7.根据权利要求5所述的一种预测饱和拐点的装置，其特征在于，通过记忆门控记录所有预测信号的数据及其先后顺序，将所述数据的特征信息以波形模式输出，当测试样本与这些模式的波形相似度达到设定阈值时，则认为所述样本处于饱和拐点状态。

8.根据权利要求5所述的一种预测饱和拐点的装置，其特征在于，所述将当前时刻的运营数据作为测试样本输入到所述序列分类模型包括将测试样本转化为向量表示形式并输入序列记忆单元做数值变换，通过均值汇集策略生成基于序列的预测信号。