[发明专利]时间序列模型建立方法、装置、计算机设备和存储介质

说明书

本申请涉及一种人工智能技术领域，特别涉及一种时间序列模型建立方法、装置、计算机设备和存储介质。所述方法包括：获取初始时间序列，将初始时间序列分区间；将每个区间进行分段，并对对应分段的数据进行排序，对排序后的区间进行标记，得到顺序标识值；根据各个分段的顺序标识值计算离散程度值；根据离散程度值计算初始时间序列的周期性指标；获取周期性指标对应的目标模型权重及建立时间序列模型的标准模型权重，根据目标模型权重调整标准模型权重；根据调整后的标准模型权重以及初始时间序列建立时间序列模型。采用本方法能够通过初始时间序列的离散程度决定在建立时间序列模型时周期性的权重大小，进而提高了建立时间序列模型的准确性。

技术领域

本申请涉及人工智能技术领域，特别是涉及一种时间序列模型建立方法、装置、计算机设备和存储介质。

背景技术

随着市场经济的发展，市场发展已经由价格竞争时代进入成本竞争时代，对市场未来走势的先期判断，在企业运营管理中越发重要，是否对特定商业数据构建时间序列模型，影响着企业认知机会和把握机遇的能力，构建时间序列模型时需要根据时间序列的趋势性、季节性、周期性、连续性等性质来建立模型。

但当前在建立时间序列模型时，是简单的根据分解序列来获取周期性，并通过获取到的周期性建立的时间序列模型，这样导致建立时间序列模型时获取到的时间序列周期性不够准确，进而导致建立的事件序列模型不够准确。

发明内容

基于此，有必要针对上述技术问题，提供一种能够提高时间序列模型准确性的时间序列模型建立方法、装置、计算机设备和存储介质。

一种时间序列模型建立方法，所述方法包括：

获取初始时间序列，将所述初始时间序列分为若干个区间；

将每个区间进行分段，并对每个区间中对应分段的数据进行排序，对排序后的每一分段的排序顺序情况进行标记，得到顺序标识值；

根据每个区间中各个分段的顺序标识值计算得到每个区间的离散程度值；

根据每个区间的离散程度值计算所述初始时间序列的周期性指标；

获取所述周期性指标对应的目标模型权重及建立时间序列模型的标准模型权重，根据所述目标模型权重调整所述标准模型权重；

根据所述目标模型权重调整后的标准模型权重以及所述初始时间序列建立时间序列模型。

在其中一个实施例中，所述根据每个区间的离散程度值计算所述初始时间序列的周期性指标，包括：

计算所述每个区间的离散程度值的平均值，并计算所述平均值与预设值的差值；

判断所述差值是否小于周期标准值；

当所述差值小于周期标准值时，输出所述初始时间序列周期性强的周期性指标；

当所述差值大于周期标准值时，输出所述初始时间序列周期性弱的周期性指标。

在其中一个实施例中，所述根据每个区间中各个分段的顺序标识值计算得到每个区间的离散程度值之后，还包括：

对所述每个区间的离散程度值进行归一化处理；

所述根据每个区间的离散程度值计算所述初始时间序列的周期性指标，包括：

根据归一化后的每个区间的离散程度值计算所述初始时间序列的周期性指标。

在其中一个实施例中，所述将每个区间进行分段之前，还包括：

检测所述初始时间序列是否完整；

当所述初始时间序列不完整时，获取所述初始时间序列的中断点，并对所述初始时间序列中所述中断点之前区间以及所述中断点所在区间的数据进行删除处理。