[发明专利]一种数据序列预测方法及计算设备

说明书

本发明实施例提供了一种数据序列预测方法及计算设备，该方法包括：根据N个对象的历史数据序列计算所述N个对象中每两个对象之间的相似距离，得到相似距离集合，其中，所述相似距离用于表征两个对象的相似程度，所述历史数据序列包括按照预设规律排列的多个数据，N为大于1的正整数；根据所述相似距离集合，通过聚类算法将所述N个对象划分为K个预测对象类，K为正整数，K≤N；对所述K个预测对象类中至少一个预测对象类所包含对象的未来数据序列进行预测。实施本发明实施例，通过聚类算法，自动定义预测对象类，效率高且更加准确。

技术领域

本发明涉及大数据技术领域，尤其涉及一种数据序列预测方法及计算设备。

背景技术

对象的数据序列的预测，例如，产品需求预测，指为保证及时满足客户的需求，预测各个产品(包括整机、半成品、采购件等)的需求，以指导整机或半成品的提前加工、采购件的提前采购。对于某些制造公司来说，整机由半成品和采购件组装而成，整机、半成品、采购件之间存在固定和非固定的产品层次结构。其中，固定的产品层次结构是由固定的产品配置清单决定，例如，一个机箱(半成品)需要的电源背板是由固定的电源连接器、电阻和电容组成。非固定的产品层次结构是由客户订单决定的，例如一个服务器(整机)的订单会选择配置2G的内存或4G的内存。

产品的需求预测需要考虑两个方面的内容，一个是预测准确率，即需求预测值和需求真实值之间层差异；另一个是预测一致性，即客户需求通过订单向公司采购整机，整机需要一系列的半成品和采购件组成，需要保证半成品的预测值、采购件的预测值、整机的预测值之间的一致性，避免一种产品(例如第一采购件)预测过多，导致多余的第一采购件无法消耗；或者一个产品预测过少，影响半成品或整机的生产，最终影响订单的交付。

如图1所示的现有技术中数据预测方法的示意性说明图。为保证产品之间预测一致性，首先需要人工定义预测对象类，将整机、半成品、采购件基于历史需求与产品层次结构进行归类，其次，对于同一预测对象类内的预测层级的产品的需求进行预测，输出该预测对象类内预测层级的产品的预测需求值，进而，基于产品之间的层次结构进行拆解或集成加总，对该预测对象类内调整层级的产品进行一致性调整。

然而，上述数据预测方法还需要人工定义对应的预测对象类，大大降低了应用的便利性，当产品的数量巨大时，通过人工对产品进行分类效率低。

发明内容

本发明实施例提供了一种数据序列预测方法，能够通过聚类算法自动定义预测对象类，效率高且更加准确。

第一方面，本申请实施例提供了一种数据序列预测方法，包括：计算设备或数据序列预测系统根据N个对象的历史数据序列计算该N个对象中每两个对象之间的相似距离得到相似距离集合；根据该相似距离集合，通过聚类算法将N个对象划分为K个预测对象类；进而，对该K个预测对象类中至少一个预测对象类所包含对象的未来数据序列进行预测。其中，相似距离用于表征两个对象的相似程度，历史数据序列包括按照预设规律排列的多个数据，N为大于1正整数；K为正整数，K≤N。

相对于现有技术中，人工定义对象类，本申请实施例中，通过聚类算法自动定义预测对象类，效率高且更加准确。

需要说明的是，本申请各个实施例中数据序列预测方法的执行主体可以是计算设备或数据序列预测系统，以下以计算设备为例来说明。

在一种可能的实现方式中，计算设备根据N个对象的历史数据序列计算所述N个对象中每两个对象之间的相似距离，得到相似距离集合的一种实施方式可以是：计算设备根据N个对象的历史数据序列计算所述N个对象中每两个对象之间的数据相似距离；计算所述N个对象中每两个对象之间的层次相似距离；进而，根据所述N个对象中每两个对象之间的数据相似距离和层次相似距离，得到所述相似距离集合，所述相似距离集合中的任一相似距离包括对应的数据相似距离和层次相似距离。

其中，所述数据相似距离用于表征两个对象分别对应的历史数据序列的相似程度，所述层次相似距离用于表征两个对象在层次结构中所在层级的相似程度。