[发明专利]一种SARIMA模型进行多步预测的方法、装置及设备

说明书

本发明提供一种SARIMA模型进行多步预测的方法、装置及设备，该方案通过训练数据集对SARIMA模型进行训练得到目标模型，再用目标模型进行单步预测，将单步预测结果作为真值纳入训练数据集中，从而迭代执行建立模型、单步预测和训练数据集更新的步骤，得到所有单位时间单元的单步预测值，实现了多步预测。通过每次预测都预留原真实训练数据集，则不存在误差累加，减少预测误差，从而提高了预测的精度。

技术领域

本发明涉及大数据技术领域，尤其涉及一种SARIMA模型进行多步预测的方法、装置及设备。

背景技术

现有的SARIMA模型，即季节性差分自回归滑动平均模型，在进行多步预测的方法采用的是Recursive Multi-Step Forecast(递归多步预测策略)，存在两个问题：

1.直接的误差累加，直接单独使用预测值作为真值进行下一次预测，造成了直接的误差累加；

2、SARIMA中滑动/移动平均(Moving Average,MA)项以及季节移动平均(SMA，Seasonal Moving Average)项未能起作用，因为预测值作为真值，使得残差均为0，从而导致预测不准确。

发明内容

基于此，有必要针对上述技术问题，提供一种SARIMA模型进行多步预测的方法、装置及设备。

一种SARIMA模型进行多步预测的方法，所述方法包括：获取初始数据集，并对所述初始数据集进行处理得到以单位时间为单元的训练数据集；根据所述训练数据集，基于SARIMA模型进行模型训练，得到目标模型；根据所述目标模型进行单步预测，得到下一单元的单步预测值；将所述单步预测值作为单步真值加入所述训练数据集中，更新所述训练数据集；基于更新后的所述训练数据集，迭代执行上述模型训练、单步预测和训练数据集更新步骤，直至得到目标时间段的每个单元的单步预测值。

在其中一个实施例中，所述获取初始数据集，并对所述初始数据集进行处理得到以单位时间为单元的训练数据集，具体为：获取初始数据集；对所述初始数据集进行数据清洗，并以单位时间为单元，进行依次排序得到训练数据集。

在其中一个实施例中，所述单步预测具体为根据所述目标模型对下一个单位时间单元的数据进行预测。

在其中一个实施例中，所述基于更新后的所述训练数据集，迭代执行上述模型训练、单步预测和训练数据集更新步骤，直至得到目标时间段的每个单元的单步预测值步骤之后，还包括：分别计算所述每个单元的单步预测值的绝对百分比误差，并计算所有单元的平均绝对百分比误差；基于所述平均绝对百分比误差，得到预测效果的评价指标。

在其中一个实施例中，所述评价指标具体为所有平均绝对百分比误差的中位数。

一种SARIMA模型进行多步预测的装置，包括数据获取模块、模型建立模块、单步预测模块、数据更新模块和迭代预测模块，其中：所述数据获取模块用于，获取初始数据集，并对所述初始数据集进行处理得到以单位时间为单元的训练数据集；所述模型建立模块用于，根据所述训练数据集，基于SARIMA模型进行模型训练，得到目标模型；所述单步预测模块用于，根据所述目标模型进行单步预测，得到下一单元的单步预测值；所述数据更新模块用于，将所述单步预测值作为单步真值加入所述训练数据集中，更新所述训练数据集；所述迭代预测模块用于，基于更新后的所述训练数据集，迭代执行上述模型训练、单步预测和训练数据集更新步骤，直至得到目标时间段的每个单元的单步预测值。

在其中一个实施例中，所述装置还包括误差计算模块和评价指标模块：所述误差计算模块用于，分别计算所述每个单元的单步预测值的绝对百分比误差，并计算所有单元的平均绝对百分比误差；所述评价指标模块用于，基于所述平均绝对百分比误差，得到预测效果的评价指标。