[发明专利]一种业务指标预测方法及装置

权利要求书

1.一种业务指标预测方法，其特征在于，包括：

获取历史业务指标序列，其中，所述历史业务指标序列表征按照连续单位时间顺序排列的业务指标，并所述单位时间为各业务指标呈波动变化时对应的设定波动时间，所述设定波动时间对应的各业务指标按照时长时间呈周期性和趋势性变化，所述时长时间大于所述设定波动时间；

确定目标时刻与历史参考时刻的跨度差值，其中，所述历史参考时刻是从所述历史业务指标序列对应的时间中确定的；

基于三次指数平滑模型，根据所述跨度差值、所述历史业务指标序列和训练确定的各平滑参数，预测所述目标时刻的业务指标。

2.如权利要求1所述的方法，其特征在于，所述三次指数平滑模型包括预测公式，所述预测公式表征所述目标时刻的业务指标，与所述历史参考时刻的水平平滑值、所述历史参考时刻的趋势平滑值以及所述目标时刻上一周期对应的时刻的周期平滑值之间的关联关系；

则预测所述目标时刻的业务指标，具体包括：

根据所述历史业务指标序列和训练确定的各平滑参数，分别确定所述历史参考时刻的水平平滑值、所述历史参考时刻的趋势平滑值和所述目标时刻上一周期对应的时刻的周期平滑值，其中，所述各平滑参数的取值范围均为[0,1]；

根据所述跨度差值，以及所述历史参考时刻的水平平滑值、所述历史参考时刻的趋势平滑值、所述目标时刻上一周期对应的时刻的周期平滑值，确定所述目标时刻的业务指标。

3.如权利要求2所述的方法，其特征在于，所述水平平滑值是基于一次指数平滑公式确定的，所述趋势平滑值是基于二次指数平滑公式确定的，所述周期平滑值是基于三次指数平滑公式确定的；

其中，所述一次指数平滑公式：第i时刻水平平滑值表示基于第一平滑参数，周期性调整后的第i时刻业务指标真实值和非周期性调整后的第i-1时刻业务指标水平平滑值之间的加权平均，所述二次指数平滑公式：第i时刻趋势平滑值表示基于第二平滑参数，第i时刻水平平滑值与第i-1时刻水平平滑值的差值，和第i-1时刻趋势平滑值的加权平均，所述三次指数平滑公式：第i时刻周期平滑值表示基于第三平滑参数，第i时刻周期性指数和上一周期对应时刻周期平滑值之间的加权平均，所述第i时刻周期性指数为第i时刻业务指数与第i-1时刻水平平滑值、第i-1时刻趋势平滑值的差值。

4.如权利要求1所述的方法，其特征在于，所述三次指数平滑模型的训练方式为：

获取业务指标样本序列训练集，其中，所述训练集中包括N1个连续时间前后顺序排列的业务指标样本；

基于所述业务指标样本序列训练集，训练所述三次指数平滑模型，直至所述三次指数平滑模型的预测结果均方根误差或正规化的均方根误差最小化，获得训练确定的各平滑参数，并获得训练完成的三次指数平滑模型。

5.如权利要求1所述的方法，其特征在于，获取历史业务指标序列之后，进一步包括：

筛选出所述历史业务指标序列中的变化率超过阈值的业务指标；

针对筛选出的各业务指标，分别根据对应前后两个时刻的业务指标的平均值，对筛选出的各业务指标进行修改。

6.如权利要求4所述的方法，其特征在于，获取业务指标样本序列训练集之后，进一步包括：

筛选出所述业务指标样本序列训练集中的变化率超过阈值的业务指标样本；

针对筛选出的各业务指标样本，分别根据对应前后两个时刻的业务指标的平均值，对筛选出的各业务指标样本进行修改。

7.一种业务指标预测装置，其特征在于，包括：

获取模块，用于获取历史业务指标序列，其中，所述历史业务指标序列表征按照连续单位时间顺序排列的业务指标，并所述单位时间为各业务指标呈波动变化时对应的设定波动时间，所述设定波动时间对应的各业务指标按照时长时间呈周期性和趋势性变化，所述时长时间大于所述设定波动时间；

确定模块，用于确定目标时刻与历史参考时刻的跨度差值，其中，所述历史参考时刻是从所述历史业务指标序列对应的时间中确定的；

预测模块，用于基于三次指数平滑模型，根据所述跨度差值、所述历史业务指标序列和训练确定的各平滑参数，预测所述目标时刻的业务指标。