[发明专利]数据预测方法、装置、计算机设备及存储介质

权利要求书

1.一种数据预测方法，其特征在于，所述方法包括：

在上一批次从第一对象的第一历史数据中获取第一批历史数据，并使用所述第一批历史数据对深度神经网络进行批训练；

在下一批次根据所述第一批历史数据的数据质量调整批大小，根据所述批大小从所述第一历史数据中获取第二批历史数据，并使用所述第二批历史数据对所述深度神经网络进行批训练，得到数据预测模型；

提取所述第一历史数据的第一数据空间分布及提取第二对象的第二历史数据的第二数据空间分布；

根据所述第一数据空间分布及所述第二数据空间分布确定与所述第二对象相关的目标对象；

使用所述数据预测模型基于所述目标对象的第一历史数据预测所述第二对象的目标数据。

2.如权利要求1所述的数据预测方法，其特征在于，所述在下一批次根据所述第一批历史数据的数据质量调整批大小包括：

计算所述第一批历史数据的结构相似度；

使用预设批函数根据所述结构相似度计算批大小。

3.如权利要求2所述的数据预测方法，其特征在于，所述计算所述第一批历史数据的结构相似度包括：

使用特征分类模型对所述第一历史数据进行特征分类，得到多个特征类别，所述多个特征类别包括第一特征类别、第二特征类别和第三特征类别；

计算所述第一特征类别对应的第一历史数据的均值，根据所述均值计算第一相似度；

计算所述第二特征类别对应的第一历史数据的标准差，根据所述标准差计算第二相似度；

计算所述第三特征类别对应的第一历史数据的协方差，根据所述协方差计算第三相似度；

根据所述第一相似度、所述第二相似度及所述第三相似度计算所述第一批历史数据的相似度。

4.如权利要求2或3所述的数据预测方法，其特征在于，所述提取所述第一历史数据的第一数据空间分布及提取第二对象的第二历史数据的第二数据空间分布包括：

使用自编码器的编码层对所述第一历史数据进行编码得到第一编码数据，对所述第二历史数据进行编码得到第二编码数据；

使用高斯混合模型提取所述第一编码数据的第一数据空间分布，使用高斯混合模型提取所述第二编码数据的第二数据空间分布。

5.如权利要求4所述的数据预测方法，其特征在于，所述根据所述第一数据空间分布及所述第二数据空间分布确定与所述第二对象相关的目标对象包括：

确定所述第一数据空间分布中的峰值的第一位置，及确定所述第二数据空间分布中的峰值的第二位置；

计算所述第二位置与所述第一位置的第一位置差；

获取第一位置差中小于预设差值阈值的目标第一位置差，将所述目标第一位置差对应的第一数据空间分布确定为候选第一数据空间分布；

确定所述第二编码数据在所述候选第一数据空间分布中的第三位置；

计算所述第三位置与所述第一位置的第二位置差；

确定最小的第二位置差对应的候选第一数据空间分布为目标第一数据空间分布；

确定所述目标第一数据空间分布对应的第一对象为目标对象。

6.如权利要求5所述的数据预测方法，其特征在于，所述使用所述数据预测模型基于所述目标对象的第一历史数据预测所述第二对象的目标数据包括：

使用所述数据预测模型基于所述目标对象的第一历史数据进行预测，得到所述目标对象的预测数据；

根据所述第二历史数据计算数据增长率；

根据所述目标对象的预测数据及预设第一占比计算第一数据；

根据所述第二历史数据及预设第二占比计算第二数据；

计算所述第一数据与所述第二数据得到目标数据。

7.如权利要求5所述的数据预测方法，其特征在于，所述方法还包括：

使用所述数据预测模型基于所述第一对象的第一历史数据进行预测，得到所述第一对象的预测数据；

计算所述第一对象的预测数据的平均预测数据；

判断所述目标数据是否大于所述平均预测数据；

当所述目标数据大于所述平均预测数据，增加分配给所述第二对象的资源数量。