[发明专利]一种数据预测的方法和装置

说明书

本发明公开了一种数据预测的方法和装置，涉及计算机技术领域。该方法的一具体实施方式包括：获取样本集；其中，样本集包括第一数据和第二数据，第一数据为在待预测日期所属年份待预测日期之前的第一预设时间段的数据，第二数据为在历史年份同比待预测日期之前的第二预设时间段的数据；获取预设的参数值，根据参数值对样本集中的第一数据以及第二数据进行训练测试，确定样本集的预测模型；至少获取位于待预测日期之前且与待预测日期相邻最近日期的数据、历史年份中同比待预测日期的数据，根据预测模型，对待预测日期进行数据预测，确定待预测日期的预测数据。该实施方式依赖历史同比发展规律进行数据预测，提高了数据预测的质量和准确性。

技术领域

本发明涉及计算机技术领域，尤其涉及一种数据预测的方法和装置。

背景技术

对于企业，例如电商企业，如果能够精确把握市场的变化规律，不仅可以获取巨大利益，还可以规避投资风险。而且业务数据非常重要，直接影响着企业相关服务的正常运营。因此，数据预测一直以来都是一个企业所关注的问题。

现有技术对于数据的预测，主要通过采集待预测日期之前一定周期的历史数据，对预测模型进行训练测试，根据所得预测模型对待预测日期进行数据预测。之后，依靠人工对预测模型进行检查，若发现预测准确性变差则需重新训练。例如，预测某一时刻的销售量，往往会使用上一周期(如昨日、上周或上个月)同一时刻的销售量作为历史数据。

在实现本发明过程中，发明人发现现有技术中至少存在如下问题：

(1)企业业务运营中，很多周期数据还受到了节假日、工作日等的影响，但现有技术的预测方法，仅简单将上一周期的数据作训练处理，导致待预测日期的数据预测准确性较差，异常监控效果不理想的情况。

(2)现有技术的预测监控仍停留在人工阶段，例如预测模型的监控维护、异常数据的分析，没有一套完整的自动化体系，因而对于企业，所投入的人力成本较大。

发明内容

有鉴于此，本发明实施例提供一种数据预测的方法和装置，至少能够解决现有技术中预测准确性低、人力成本消耗大的问题。

为实现上述目的，根据本发明实施例的一个方面，提供了一种数据预测的方法，包括：获取样本集；其中，样本集包括第一数据和第二数据，第一数据为在待预测日期所属年份待预测日期之前的第一预设时间段的数据，第二数据为在历史年份同比待预测日期之前的第二预设时间段的数据；获取预设的参数值，根据参数值对样本集中的第一数据以及第二数据进行训练测试，确定样本集的预测模型；至少获取位于待预测日期之前且与待预测日期相邻最近日期的数据、历史年份中同比待预测日期的数据，根据预测模型，对待预测日期进行数据预测，确定待预测日期的预测数据。

可选地，获取预设的参数值，根据参数值对样本集中的第一数据以及第二数据进行训练测试，确定样本集的预测模型包括：将样本集分为训练集以及测试集；获取预设的参数值，根据参数值，对训练集进行训练，获取待测预测模型；根据测试集，对待测预测模型进行测试，计算测试到的数据与测试集的数据之间的测试误差值；当测试误差值小于或者等于预设误差值时，确定待测预测模型为样本集的预测模型。

可选地，确定待测预测模型为样本集的预测模型还包括：根据测试误差值，确定预测模型的预测标准差；在确定待预测日期的预测数据之后，还包括：根据预测标准差以及待预测日期的预测数据，确定待预测日期的置信区间；其中，置信区间为[预测数据-预设置信度×预测标准差，预测数据+预设置信度×预测标准差]；获取待预测日期的实际数据，当判断到待预测日期的实际数据置于待预测日期的置信区间内时，添加待预测日期的实际数据至样本集，以更新样本集。

可选地，在获取待预测日期的实际数据之后，还包括：当判断到待预测日期的实际数据超出待预测日期的置信区间时，确定待预测日期的实际数据为异常数据；统计预定周期内异常数据的数量，当所统计到异常数据的数量超出预定阈值时，调整参数值，根据调整后的参数值对预测模型进行重新训练。