[发明专利]项目预测方法以及装置

权利要求书

1.一种项目预测方法，包括：

获取目标项目的历史项目数据；

将所述历史项目数据输入预先训练得到的预测模型，获得所述目标项目的预测结果，其中，所述预测模型为利用样本序列训练得到，所述样本序列为基于累积周期，对按照预设采样周期采集的初始数据序列中的样本数据进行累积获得。

2.根据权利要求1所述的方法，在所述获取目标项目的历史项目数据之前，所述方法还包括：

按照所述预设采样周期对所述目标项目进行样本数据采集，获得所述初始数据序列；

对所述初始数据序列中的各数据进行数量级调整，获得各数据间差异值小于预设阈值的压缩后初始数据序列；

对所述压缩后初始数据序列进行数据累积，获得所述样本序列。

3.根据权利要求1或2所述的方法，在所述获取目标项目的历史项目数据之前，所述方法还包括：

按照所述预设采样周期对所述目标项目进行样本数据采集，获得所述初始数据序列；

按照所述累积周期，对所述初始数据序列中的样本数据进行累积，得到包含多个累积值的累积序列；

若所述累积序列中目标累积值的连续出现次数大于或者等于次数阈值，则对所述目标累计值进行合并，获得所述样本序列，其中，所述目标累积值为表征的累积结果为空的值。

4.根据权利要求3所述的方法，所述对所述目标累计值进行合并，获得所述样本序列，包括：

将连续的所述目标累计值替换为指定值，获得所述样本序列，其中，所述指定值用于表征所述样本序列中反映跌零特征的数据。

5.根据权利要求1、2和4中任一项所述的方法，在获得所述样本序列之后，所述方法还包括：

基于所述样本序列的各序列值以及累计周期总量，确定所述样本序列的稀疏指标；

基于所述稀疏指标，确定所述样本序列的类型标签；

利用所述样本序列以及所述样本序列的类型标签，训练得到所述预测模型。

6.根据权利要求5所述的方法，所述基于所述稀疏指标，确定所述样本序列的类型标签，包括：

从预先建立的指标区间与序列类型的对应关系中，查找所述稀疏指标对应的目标序列类型；

将表征所述目标序列类型的标签确定为所述样本序列的类型标签。

7.根据权利要求1、2、4和6中任一项所述的方法，在所述获取目标项目的历史项目数据之前，所述方法还包括：

获取所述目标项目的预测周期、以及所述预设采样周期；

利用所述预设采样周期对所述预测周期进行划分，获得所述累积周期。

8.根据权利要求1、2、4和6中任一项所述的方法，在所述将所述历史项目数据输入预先训练得到的预测模型，获得所述目标项目的预测结果之前，所述方法还包括：

获取所述目标项目的预测场景类型；

查找与所述预测场景类型对应的预测模型，其中，所述预测模型为利用所述样本序列进行针对所述预测场景类型的训练得到。

9.一种项目预测装置，包括：

历史数据获取模块，被配置为获取目标项目的历史项目数据；

项目预测模块，被配置为将所述历史项目数据输入预先训练得到的预测模型，获得所述目标项目的预测结果，其中，所述预测模型为利用样本序列训练得到，所述样本序列为基于累积周期，对按照预设采样周期采集的初始数据序列中的样本数据进行累积获得。

10.一种计算设备，包括：

存储器和处理器；

所述存储器用于存储计算机可执行指令，所述处理器用于执行所述计算机可执行指令，该计算机可执行指令被处理器执行时实现权利要求1至8任意一项所述项目预测方法的步骤。

11.一种计算机可读存储介质，其存储有计算机可执行指令，该计算机可执行指令被处理器执行时实现权利要求1至8任意一项所述项目预测方法的步骤。