[发明专利]一种预测方法、装置、存储介质及设备在审

专利信息
申请号: 202010767379.4 申请日: 2020-08-03
公开(公告)号: CN111915082A 公开(公告)日: 2020-11-10
发明(设计)人: 朴松梅 申请(专利权)人: 深圳集智数字科技有限公司
主分类号: G06Q10/04 分类号: G06Q10/04;G06Q10/06;G06Q50/06
代理公司: 北京集佳知识产权代理有限公司 11227 代理人: 王宝筠
地址: 518000 广东省深圳市南*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 预测 方法 装置 存储 介质 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。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于深圳集智数字科技有限公司,未经深圳集智数字科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010767379.4/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top