[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

说明书

本公开提出一种时序数据预测模型的训练方法、时序数据预测方法和装置，涉及人工智能领域。输入训练用的时序数据(X，z_t)，z_t是t时刻对应的时序数据，X是t时刻、t时刻之前的时刻、以及z_t相关的特征；设置fⁱ是函数库中的第i个函数，α_i是第i个函数的系数，y_t是t时刻对应的残差时序数据；设置n和p是超参数，y_t‑j是(t‑j)时刻对应的残差时序数据，β_j代表y_t‑j的系数，是y_t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。从而，通过时序数据预测模型的平稳化变换部分和平稳时序数据预测部分，实现非平稳的时序数据的准确预测。

技术领域

本公开涉及人工智能领域，特别涉及一种时序数据预测模型的训练方法、时序数据预测方法和装置。

背景技术

对于资源的准确预测是保障云平台及虚拟化平台正常、高效运行的重要手段。准确的资源预测可以预警运维人员及时更新、扩容物理资源，扩大、缩小虚拟化资源等。

发明内容

本公开实施例提出一种能够预测云平台及虚拟化平台的物理资源或虚拟化资源等资源数据的非平稳的时序数据预测方案。

本公开一些实施例提出一种时序数据预测模型的训练方法，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

在一些实施例中，各个时刻的残差时序数据构成平稳时序数据。

在一些实施例中，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。

在一些实施例中，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。

在一些实施例中，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。

本公开一些实施例提出一种时序数据预测方法，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