[发明专利]一种时间序列预测方法、装置、设备和存储介质

权利要求书

1.一种时间序列预测方法，其特征在于，包括：

获取历史时间序列；其中，所述历史时间序列包含至少一个季节性周期长度内的各历史时间点的历史业务数据；

对于各所述历史时间点，根据当前历史时间点在所属季节性周期内的位置标识、以及当前历史时间点所属季节性周期包含的历史时间点的数量，确定当前历史时间点对应的回归变量值；其中，所述回归变量值在预设数值范围内；

基于预设核回归算法，使用各所述历史业务数据和各所述回归变量值拟合出所述历史时间序列对应的季节性周期项序列；其中，所述季节性周期项序列包含表征历史业务数据在季节性周期内的变化规律的多个季节性周期项数据；

基于所述季节性周期项序列对后续时间点的业务数据进行预测。

2.根据权利要求1所述的方法，其特征在于，所述基于所述季节性周期项序列对后续时间点的业务数据进行预测，包括：

基于预设核回归算法，使用所述季节性周期项序列和各所述回归变量值预测出后续时间点对应的季节性周期项数据；

获取拟合出的所述历史时间序列对应的趋势项序列；其中，所述趋势项序列包含表征历史业务数据的整体变化趋势的趋势项数据；

使用所述趋势项序列预测出所述后续时间点对应的趋势项数据；

根据所述后续时间点对应的季节性周期项数据和所述后续时间点对应的趋势项数据，对所述后续时间点的业务数据进行预测。

3.根据权利要求2所述的方法，其特征在于，所述历史时间序列对应的季节性周期项序列和趋势项序列的拟合方法包括：

获取第i-1次迭代中的趋势项序列，基于所述历史时间序列和第i-1次迭代中的趋势项序列得到第一中间时间序列；其中，i的初始取值为1，所述趋势项序列的初始取值为0；

基于预设核回归算法，使用当前第一中间时间序列和各所述回归变量值拟合出第i次迭代中的季节性周期项序列；

基于所述历史时间序列和第i次迭代中的季节性周期项序列得到第二中间时间序列，基于局部加权回归算法使用当前第二中间时间序列拟合出第i+1次迭代中的趋势项序列；

确定i的当前取值是否小于L，若是，则将i加1，并返回执行获取第i-1次迭代中的趋势项序列的步骤；否则，将最近拟合出的季节性周期项序列和趋势项序列，分别确定为所述历史时间序列对应的季节性周期项序列和趋势项序列；其中，L为预设迭代次数。

4.根据权利要求3所述的方法，其特征在于，所述预设核回归算法为贝塔核回归算法；所述基于预设核回归算法，使用当前第一中间时间序列和各所述回归变量值拟合出第i次迭代中的季节性周期项序列，包括：

将当前第一中间时间序列中的各数据作为响应变量值、各所述回归变量值作为自变量值，输入贝塔核回归函数，得到第i次迭代中的季节性周期项序列。

5.根据权利要求2所述的方法，其特征在于，所述预设核回归算法为贝塔核回归算法；所述基于预设核回归算法，使用所述季节性周期项序列和各所述回归变量值预测出后续时间点对应的季节性周期项数据，包括：

将所述季节性周期项序列中的各季节性周期项数据作为响应变量值、各所述历史时间点对应的回归变量值和后续时间点对应的回归变量值作为自变量值，输入贝塔核回归函数，得到预测出的后续时间点的季节性周期项数据。

6.根据权利要求2所述的方法，其特征在于，所述根据所述后续时间点对应的季节性周期项数据和所述后续时间点对应的趋势项数据，对所述后续时间点的业务数据进行预测，包括：

根据所述历史时间序列、所述历史时间序列对应的季节性周期项序列以及所述历史时间序列对应的趋势项序列，确定所述历史时间序列对应的残差项序列；

使用所述残差项序列预测出所述后续时间点对应的残差项数据；

根据所述后续时间点对应的季节性周期项数据、所述后续时间点对应的趋势项数据和所述残差项数据，获得预测出的所述后续时间点的业务数据。