[发明专利]时间序列预测方法、装置、计算机设备和可读存储介质

说明书

本公开的实施例提供了时间序列预测方法、装置、计算机设备和可读存储介质。该方法包括：分解目标设备运行操作的至少一个原始时间序列，得到目标设备运行的趋势项时间数据组和季节项时间数据组；利用趋势项时间数据组和季节项时间数据组进行联合学习训练，以得到设备运行的趋势项集合；基于目标时间序列和上述趋势项集合，从上述至少一个原始时间序列中选择原始时间序列作为目标原始时间序列，得到目标原始时间序列集合；基于上述目标时间序列和上述目标原始时间序列集合中每个目标原始时间序列的趋势项和季节项，确定目标日期的预测值。本公开基于目标原始时间序列确定目标日期的预测值可以综合多方数据，提升预测精准度。

技术领域

本公开涉及能源设备技术领域，尤其涉及一种时间序列预测方法、装置、计算机设备和可读存储介质。

背景技术

完整的长时间序列通常需要生产方进行长达数年甚至数十年的积累才能进行有效的时间序列预测，代价及其昂贵。若能联合多方数据，借助相似数据提升自身预测精度，将节省大量的人力物力。而直接对时间序列进行联合学习，因为特征输入及噪声冗余等因素的影响，无法取得有效结果。

发明内容

有鉴于此，本公开实施例提供了一种时间序列预测方法、装置、计算机设备和可读存储介质，以解决现有技术中无法准确预测时间序列预测值的技术问题。

本公开实施例的第一方面，提供了一种时间序列预测方法，包括：分解目标设备运行操作的至少一个原始时间序列，得到所述目标设备运行的趋势项时间数据组和季节项时间数据组；利用所述趋势项时间数据组和季节项时间数据组进行联合学习训练，以得到设备运行的趋势项集合；基于目标时间序列和上述趋势项集合，从上述至少一个原始时间序列中选择原始时间序列作为目标原始时间序列，得到目标原始时间序列集合；基于上述目标时间序列和上述目标原始时间序列集合中每个目标原始时间序列的趋势项和季节项，确定目标日期的预测值。

本公开实施例的第二方面，提供了一种时间序列预测装置，包括：分解单元，被配置成分解目标设备运行操作的至少一个原始时间序列，得到所述目标设备运行的趋势项时间数据组和季节项时间数据组；趋势项集合获取单元，被配置成利用所述趋势项时间数据组和季节项时间数据组进行联合学习训练，以得到设备运行的趋势项集合；选择单元，被配置成基于目标时间序列和上述趋势项集合，从上述至少一个原始时间序列中选择原始时间序列作为目标原始时间序列，得到目标原始时间序列集合；预测单元，被配置成基于上述目标时间序列和上述目标原始时间序列集合中每个目标原始时间序列的趋势项和季节项，确定目标日期的预测值。

本公开实施例的第三方面，提供了一种计算机设备，包括存储器、处理器以及存储在存储器中并且可以在处理器上运行的计算机程序，该处理器执行计算机程序时实现上述方法的步骤。

本公开实施例的第四方面，提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机程序，该计算机程序被处理器执行时实现上述方法的步骤。

本公开的上述各个实施例中的一个实施例具有如下有益效果：首先，对至少一个原始时间序列进行分解，得到趋势项集合和季节项集合；然后，基于目标时间序列和分解得到的趋势项集合，从上述至少一个原始时间序列中选择得到目标原始时间训练集合；最后，基于季节项，确定目标日期的预测值。本公开提供的方法通过对原始时间序列的选择可以去除与目标时间序列相似度低的原始时间序列，提高预测的精度，基于目标原始时间序列确定目标日期的预测值可以综合多方数据，提升预测精准度。

附图说明

结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，元件和元素不一定按照比例绘制。

图1是根据本公开实施例的一种联合学习的架构示意图；

图2是根据本公开的时间序列预测方法的实施例的流程图；