[发明专利]一种预测方法、装置、存储介质及设备

权利要求书

1.一种预测方法，其特征在于，包括：

获取待预测事件在预设时间范围内的初始值以及所述初始值对应的属性值；

根据所述初始值与所述初始值对应的属性值之间的相关系数，确定i个有效属性值；其中，所述i为大于0的正整数；

对所述i个有效属性值进行降维处理，从所述i个有效属性值中筛选得到j个降维后的有效属性值；其中，所述j为大于0的正整数，所述j小于所述i；

将所述j个降维后的有效属性值输入预先构建的事件预测模型，得到所述待预测事件的预测结果；其中，所述事件预测模型是根据所述历史时间下的事件初始值和所述历史时间下的事件初始值对应的属性值构建的。

2.根据权利要求1所述的方法，其特征在于，所述根据所述初始值与所述初始值对应的属性值之间的相关系数，确定i个有效属性值，包括：

利用所述初始值与所述初始值对应的属性值之间的最大相关系数，构建线性回归模型，并确定所述线性回归模型对应的第一拟合优度；以及将所述最大相关系数对应的属性值作为有效属性值；

将所述初始值与所述初始值对应的属性值之间的非最大相关系数，输入所述线性回归模型，得到所述线性回归模型对应的第二拟合优度；

当所述第二拟合优度小于所述第一拟合优度时，将所述非最大相关系数对应的属性值作为有效属性值。

3.根据权利要求1所述的方法，其特征在于，所述根据所述初始值与所述初始值对应的属性值之间的相关系数，确定i个有效属性值，包括：

将大于预设阈值的相关系数对应的属性值作为有效属性值。

4.根据权利要求1所述的方法，其特征在于，所述对所述i个有效属性值进行降维处理，从所述i个有效属性值中筛选得到j个降维后的有效属性值，包括：

利用主成分分析PCA降维方法，对所述i个有效属性值进行降维处理，从所述i个有效属性值中筛选得到j个降维后的有效属性值。

5.根据权利要求1至4任一项所述的方法，其特征在于，所述将所述j个降维后的有效属性值输入预先构建的事件预测模型，得到所述待预测事件的预测结果，包括：

将所述j个降维后的有效属性值输入预先构建的N种事件预测模型，得到所述待预测事件的N种预测结果；其中，所述N为大于0的正整数；

从所述N种预测结果中选择综合得分最高的预测结果作为所述待预测事件的预测结果。

6.根据权利要求5所述的方法，其特征在于，所述N为3；所述N种事件预测模型为3种事件预测模型；所述3种事件预测模型分别为套索LASSO回归模型、岭Ridge回归模型和Elastic Net回归模型。

7.一种预测装置，其特征在于，包括：

获取单元，用于获取待预测事件在预设时间范围内的初始值以及所述初始值对应的属性值；

确定单元，用于根据所述初始值与所述初始值对应的属性值之间的相关系数，确定i个有效属性值；其中，所述i为大于0的正整数；

降维单元，用于对所述i个有效属性值进行降维处理，从所述i个有效属性值中筛选得到j个降维后的有效属性值；其中，所述j为大于0的正整数，所述j小于所述i；

获得单元，用于将所述j个降维后的有效属性值输入预先构建的事件预测模型，得到所述待预测事件的预测结果；其中，所述事件预测模型是根据所述历史时间下的事件初始值和所述历史时间下的事件初始值对应的属性值构建的。

8.根据权利要求7所述的装置，其特征在于，所述确定单元包括：

构建子单元，用于利用所述初始值与所述初始值对应的属性值之间的最大相关系数，构建线性回归模型，并确定所述线性回归模型对应的第一拟合优度；以及将所述最大相关系数对应的属性值作为有效属性值；

输入子单元，用于将所述初始值与所述初始值对应的属性值之间的非最大相关系数，输入所述线性回归模型，得到所述线性回归模型对应的第二拟合优度；

作为子单元，用于当所述第二拟合优度小于所述第一拟合优度时，将所述非最大相关系数对应的属性值作为有效属性值。