[发明专利]时序数据预测模型的训练方法、时序数据预测方法和装置

权利要求书

1.一种时序数据预测模型的训练方法，其特征在于，包括：

输入训练用的时序数据(X，z_t)，z_t表示t时刻对应的时序数据，X表示t时刻、t时刻之前的时刻、以及z_t相关的特征；

设置fⁱ表示函数库中的第i个函数，α_i是第i个函数的系数，n是超参数，y_t表示t时刻对应的残差时序数据；

设置p是超参数，y_t-j表示(t-j)时刻对应的残差时序数据，β_j代表y_t-j的系数，表示t时刻对应的残差时序数据的预测值；

利用时序数据预测模型计算t时刻对应的时序数据的预测值

根据z_t和利用拟合的方法对α_i和β_j进行训练，输出训练后的时序数据预测模型

2.根据权利要求1所述的方法，其特征在于，各个时刻的残差时序数据构成平稳时序数据。

3.根据权利要求1所述的方法，其特征在于，

训练用的时序数据(X，z_t)为训练用的资源数据，z_t表示t时刻对应的资源数据，X表示t时刻、t时刻之前时刻、以及资源数据相关的特征；

训练得到的时序数据预测模型为资源数据预测模型。

4.根据权利要求1所述的方法，其特征在于，

函数库中的函数包括指数函数、对数函数、线性函数、三角函数。

5.根据权利要求1-4任一项所述的方法，其特征在于，

当时序数据预测模型为存储资源增长量预测模型时，输入的训练用的时序数据(X，z_t)中的X为t时刻、t时刻之前的时刻、以及相应的存储资源增长量相关的特征，输入的训练用的时序数据(X，z_t)中的z_t为t时刻对应的存储资源增长量，选用的函数fⁱ包括指数函数和线性函数。

6.一种时序数据预测方法，其特征在于，包括：

将待预测的历史时序数据X输入到基于权利要求1-4任一项训练得到的时序数据预测模型

获取时序数据预测模型输出的t时刻对应的时序数据的预测值

7.根据权利要求6所述的方法，其特征在于，

时序数据预测模型利用对历史时序数据X进行第一预测；

时序数据预测模型利用对历史时序数据的残差时序数据进行第二预测；

时序数据预测模型合并第一预测结果和第二预测结果作为最终的t时刻对应的时序数据的预测值

8.根据权利要求6所述的方法，其特征在于，还包括：

当t时刻对应的时序数据的预测值为t时刻对应的资源数据的预测值时，基于t时刻对应的资源数据的预测值更新相应的资源。

9.一种时序数据预测装置，包括：

存储器；以及

耦接至所述存储器的处理器，所述处理器被配置为基于存储在所述存储器中的指令，执行权利要求1-5中任一项所述的时序数据预测模型的训练方法或权利要求6-8中任一项所述的时序数据预测方法。

10.一种时序数据预测装置，包括：训练模块或预测模块中的一个或多个；

训练模块，被配置为执行权利要求1-5中任一项所述的时序数据预测模型的训练方法；

预测模块，被配置为执行权利要求6-8中任一项所述的时序数据预测方法。

11.一种非瞬时性计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现权利要求1-5中任一项所述的时序数据预测模型的训练方法或权利要求6-8中任一项所述的时序数据预测方法。