[发明专利]建立时序预测模型的方法、时间序列预测方法和装置

权利要求书

1.建立时序预测模型的方法，包括：

获取训练样本，各训练样本包括连续n+τ个时间序列，各时间序列的时长相等且每个时间序列中包含多个时间点的指标值，所述n为大于1的正整数，所述τ为大于或等于1的正整数；

对各训练样本中前n个时间序列分别进行凸包提取，得到n个凸包时间序列；

将训练样本中的n个凸包时间序列输入时序预测模型，由所述时序预测模型预测训练样本中后τ个时间序列的统计指标数据，所述时序预测模型的训练目标包括最小化预测结果与训练样本中后τ个时间序列的实际统计指标数据之间的差异。

2.根据权利要求1所述的方法，其中，所述凸包提取包括上凸包提取，所述统计指标数据包括指标最大值；和/或，

所述凸包提取包括下凸包提取，所述统计指标数据包括指标最小值。

3.根据权利要求1所述的方法，其中，所述时序预测模型包括：第一编码层、第二编码层和时序解码层；

所述第一编码层，用以提取所述n个凸包时间序列的特征表示，其中分别利用第i个凸包时间序列以及第i-1个凸包时间序列的隐状态表示得到第i个凸包时间序列的特征表示；

所述第二编码层，用以利用所述n个凸包时间序列的特征表示，得到第n个时间序列的隐状态表示；其中，第i个时间序列的隐状态表示依据第i个凸包时间序列的特征表示和第i-1个时间序列的隐状态表示得到；

所述时序解码层，用以利用第n个时间序列的隐状态表示，预测后τ个时间序列的统计指标数据。

4.根据权利要求3所述的方法，其中，所述第二编码层在得到所述第n个时间序列的隐状态表示时，进一步结合所述前n个时间序列的统计指标数据；其中，第i个时间序列的隐状态表示依据第i个凸包时间序列的特征表示、第i个时间序列的统计指标数据和第i-1个时间序列的隐状态表示得到。

5.根据权利要求3所述的方法，其中，所述第一编码层采用神经常微分方程NeuralODEs。

6.根据权利要求1至5中任一项所述的方法，其中，所述指标包括：计算资源容量状况、应用服务的流量状况或者金融领域的交易状况。

7.时序预测方法，包括：

获取连续n个时间序列，每个时间序列中包含多个时间点的指标值，所述n为大于1的正整数；

对所述n个时间序列分别进行凸包提取，得到n个凸包时间序列；

将所述n个凸包时间序列输入预先训练得到的时序预测模型，得到所述时序预测模型对所述n个等时长的时间序列之后τ个时间序列的统计指标数据，所述τ为大于或等于1的正整数，各时间序列的长度相等。

8.根据权利要求7所述的方法，其中，所述凸包提取包括上凸包提取，所述统计指标数据包括指标最大值；和/或，

所述凸包提取包括下凸包提取，所述统计指标数据包括指标最小值。

9.根据权利要求7所述的方法，其中，所述时序预测模型包括：第一编码层、第二编码层和时序解码层；

所述第一编码层，用以提取所述n个凸包时间序列的特征表示，其中分别利用第i个凸包时间序列以及第i-1个凸包时间序列的隐状态表示得到第i个凸包时间序列的特征表示；

所述第二编码层，用以利用所述n个凸包时间序列的特征表示，得到第n个时间序列的隐状态表示；其中，第i个时间序列的隐状态表示依据第i个凸包时间序列的特征表示以及和第i-1个时间序列的隐状态表示得到；

所述时序解码层，用以利用第n个时间序列的隐状态表示，预测所述τ个时间序列的统计指标数据；其中所述τ个时间序列中每一个时间序列的统计指标数据均依据前一个时间序列的隐状态表示得到。

10.根据权利要求9所述的方法，其中，所述第二编码层在得到第n个时间序列的隐状态表示时，进一步结合所述n个时间序列的统计指标数据；其中，第i个时间序列的隐状态表示依据第i个凸包时间序列的特征表示、第i个时间序列的统计指标数据以及和第i-1个时间序列的隐状态表示得到。