[发明专利]数据预测方法、系统和计算机可读存储介质

权利要求书

1.一种数据预测方法，其特征在于，所述数据预测方法包括：

从数据系统中抽取源数据，将抽取的源数据封装成特征向量；

加载所述特征向量，并采用超参数构建深度学习算法模型；

将所述特征向量输入所述深度学习算法模型，以对所述深度学习算法模型进行训练；

基于训练的所述深度学习算法模型对特征向量进行预测，以得到预测值。

2.如权利要求1所述的数据预测方法，其特征在于，所述将抽取的源数据封装成特征向量的步骤包括：

对抽取的源数据进行数据清洗；

按照日期对清洗后的源数据进行分组统计，得到特征向量。

3.如权利要求2所述的数据预测方法，其特征在于，所述按照日期对清洗后的源数据进行分组统计，得到特征向量的步骤之后，所述方法还包括：

对特征向量进行检验；

在检测到特征向量有数据缺失时，采用插值平均算法对特征向量进行补全。

4.如权利要求1所述的数据预测方法，其特征在于，所述加载所述特征向量的步骤之后，所述方法还包括：

对加载的特征向量进行标准化处理，以将特征向量按照预设比例进行缩放，得到标准化处理的特征向量；

所述基于训练的所述深度学习算法模型对特征向量进行预测，以得到预测值的步骤之后，所述方法还包括：

将预测值按照所述预设比例进行还原，以作为最终的预测值。

5.如权利要求4所述的数据预测方法，其特征在于，所述对加载的特征向量进行标准化处理，以将特征向量按照预设比例进行缩放，得到标准化处理的特征向量的步骤包括：

确定特征向量中的最大值，将确定的最大值加上预设值得到和；

将特征向量中每个值除以和，以得到标准化处理的特征向量。

6.如权利要求4所述的数据预测方法，其特征在于，所述对加载的特征向量进行标准化处理，以将特征向量按照预设比例进行缩放，得到标准化处理的特征向量的步骤还包括：

根据特征向量中的各个值计算平均值，以及标准差；

分别将每个值减去所述平均值，得到各个差值；

将各个差值除以所述标准差，以得到标准化处理的特征向量。

7.如权利要求1所述的数据预测方法，其特征在于，所述基于训练的所述深度学习算法模型对特征向量进行预测，以得到预测值的步骤之后，所述方法还包括：

在预设时间间隔到达时获取所述预测值对应的真实值；

计算所述预设值与真实值的差值，并计算差值与真实值的比值；

在计算的比值大于预设比值时，调整深度学习算法模型。

8.如权利要求1-7任一项所述的数据预测方法，其特征在于，所述特征向量包括日历特征向量和指标特征向量。

9.一种数据预测系统，其特征在于，所述数据预测系统包括处理器、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数据预测程序，所述数据预测程序被所述处理器执行时实现如权利要求1至8中任一项所述的数据预测方法的步骤。

10.一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有数据预测程序，所述数据预测程序被处理器执行时实现如权利要求1至8任一项所述的数据预测方法的步骤。