[发明专利]一种时序数据趋势预测方法、系统及相关装置

权利要求书

1.一种时序数据趋势预测方法，其特征在于，包括：

获取指标数据；

利用小波分解所述指标数据，得到分量数据；所述分量数据包含高通分量和低通分量；

将所述低通分量和各所述高通分量均输入预设时间序列预测分析系统进行预测，得到各所述分量数据对应的预测结果；

合并各所述分量数据对应的预测结果，得到趋势预测结果。

2.根据权利要求1所述的时序数据趋势预测方法，其特征在于，所述获取指标数据包括：

每隔预设时间间隔从influxdb时序数据库中获取指标项的信息，并按照时间顺序排序得到指标数据。

3.根据权利要求1或2所述的时序数据趋势预测方法，其特征在于，获取指标数据之后，还包括：

利用最小二乘平滑滤波去除所述指标数据中的异常点。

4.根据权利要求3所述的时序数据趋势预测方法，其特征在于，利用最小二乘平滑滤波去除所述指标数据中的异常点包括：

确定所述指标数据的测量点；

确定滤波窗口的宽度，并采用(k-1)次多项式对所述滤波窗口内的数据点进行拟合，得到与所述宽度相同数量的方程，并构成k元线性方程组；其中，所述宽度为奇数，k为预设系数；

根据所述k元线性方程组的根确定拟合参数；

利用所述拟合参数去除所述指标数据中的异常点。

5.根据权利要求1所述的时序数据趋势预测方法，其特征在于，利用小波分解所述指标数据，得到分量数据包括：

根据低通分解滤波器和所述指标数据得到低频系数；

根据所述低频系数和低通重构滤波器得到低通分量；

根据高通分解滤波器和所述指标数据得到高频系数；

根据所述高频系数和高通重构滤波器得到高通分量。

6.根据权利要求1所述的时序数据趋势预测方法，其特征在于，合并各所述分量数据对应的预测结果，得到趋势预测结果包括：

叠加各所述分量数据对应的预测结果，得到趋势预测曲线。

7.根据权利要求1所述的时序数据趋势预测方法，其特征在于，预设时间序列预测分析系统为LSTM系统、ARIMA模型和Holt-winters中的任一种。

8.一种时序数据趋势预测系统，其特征在于，包括：

获取模块，用于获取指标数据；

数据分解模块，用于利用小波分解所述指标数据，得到分量数据；所述分量数据包含高通分量和低通分量；

分量预测模块，用于将所述低通分量和各所述高通分量均输入预设时间序列预测分析系统进行预测，得到各所述分量数据对应的预测结果；

合并预测模块，用于合并各所述分量数据对应的预测结果，得到趋势预测结果。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-7任一项所述的时序数据趋势预测方法的步骤。

10.一种电子设备，其特征在于，包括存储器和处理器，所述存储器中存有计算机程序，所述处理器调用所述存储器中的计算机程序时实现如权利要求1-7任一项所述的时序数据趋势预测方法的步骤。