业务指标预测方法及装置制造方法及图纸

本发明专利技术公开了一种业务指标预测方法及装置，属于数据处理技术领域。所述方法包括：对于一个业务指标，根据所述业务指标的第一历史时间序列，训练对所述业务指标进行预测的至少一个第一模型；对于每一个第一模型，基于所述第一模型和第二历史时间序列对所述业务指标进行预测，得到一个初步预测结果；将所述至少一个第一模型输出的所述初步预测结果进行统计分析，得到所述业务指标的最终预测结果。由于进行了多个模型融合，这样即便业务指标存在较大波动和受到季节性因素等影响，依然可以通过多种模型有效地抓住指标的变化规律和长期趋势，使得对业务指标的预测更为精准，该种预测效果较佳。

Service index prediction method and device

The invention discloses a service index prediction method and device, which belongs to the field of data processing technology. The method comprises the following steps: for a business indicators, according to the first historical time sequence of the business indicators, at least one of the first training model to predict the business indicators; for each of the first model, the first model and second time series to predict the service level based on a a preliminary prediction results; the at least one first model output the results of statistical analysis, the final prediction results are obtained by the index of the business. As a result of the fusion of multiple models, even if the business indicators have fluctuated and affected by seasonal factors, still can effectively grasp the variation index and long-term trend through a variety of models, so the prediction of business index is more accurate, the prediction effect is better.

【技术实现步骤摘要】
业务指标预测方法及装置
本专利技术涉及数据处理
，特别涉及一种业务指标预测方法及装置。
技术介绍
业务指标一般以企业或公司等机构旗下各个业务产生的时间序列来表征。其中，时间序列是指将同一个统计指标的数值按照其发生时间的先后顺序排列而成的数据序列。例如，某一款游戏每天的收入情况、某个网站每天的访问人数、投放某个广告每天获得的收入等等。时下时间序列分析在生活和生产中扮演着越来越重要的角色，其主要应用于预测领域，诸如气象预报、市场预测、人口预测、汛情预测、产量预测等等。比如，在互联网产业中，采用时间序列分析方法可实现对网站访问量、广告收入、游戏用户接入量等业务指标进行预测，从而能够及早发现问题，进而保障业务的稳定、用户的良好体验及资金的有效运转。现有技术通常采取下述方式对业务指标进行预测。第一种方式采用简单滑动平均法，根据时间序列逐项移推，依次计算一段时间窗口内数据的平均值，并依此进行业务指标预测。对于时间窗口长度为k的简单滑动平均方法的计算公式如下：其中，k、i和n均为正整数，指代预测值，Vn-i指代实际观测值。第二种方式采用加权滑动平均法，根据同一个滑动段内不同时间的数据对预测值的影响程度，分别给予数据不同的权重，然后再进行平均以预测未来值。加权滑动平均法根据愈是近期数据对预测值影响愈大这一特点，不同地对待滑动窗口内的各个数据。对近期数据给予较大的权重，对较远期的数据给予较小的权重，依此进行业务指标预测。其计算公式如下：其中，Wn-i为n-i时刻的权重，并满足在实现本专利技术的过程中，发现上述技术至少存在以下问题：当业务指标存在较大波动和受到季节性因素等影响时，采取上述两种滑动平均法不能有效地抓住指标的变化规律；此外，滑动窗口的长度对预测结果有着较大的影响，较短的窗口不能抓住指标的长期趋势，较长的窗口又会对指标变动不敏感，因此上述预测方式的预测效果欠佳。
技术实现思路
为了解决上述技术的问题，本专利技术实施例提供了一种业务指标预测方法及装置。所述技术方案如下：第一方面，提供了一种业务指标预测方法，所述方法包括：对于一个业务指标，根据所述业务指标的第一历史时间序列，训练对所述业务指标进行预测的至少一个第一模型；对于每一个第一模型，基于所述第一模型和第二历史时间序列对所述业务指标进行预测，得到一个初步预测结果；将所述至少一个第一模型输出的所述初步预测结果进行统计分析，得到所述业务指标的最终预测结果。第二方面，提供了一种业务指标预测装置，所述装置包括：训练模块，用于对于一个业务指标，根据所述业务指标的第一历史时间序列，训练对所述业务指标进行预测的至少一个第一模型；预测模块，用于对于每一个第一模型，基于所述第一模型和第二历史时间序列对所述业务指标进行预测，得到一个初步预测结果；统计分析模块，用于将所述至少一个第一模型输出的所述初步预测结果进行统计分析，得到所述业务指标的最终预测结果。本专利技术实施例提供的技术方案带来的有益效果是：基于历史数据训练多个模型，且每一个模型均根据历史数据对同一业务指标进行预测，进而得到多个预测结果。之后，将这多个预测结果进行加权平均等统计分析，将最终得到的结果作为对该业务指标的预测结果，由于进行了多个模型融合，这样即便业务指标存在较大波动和受到季节性因素等影响，依然可以通过多种模型有效地抓住指标的变化规律和长期趋势，使得对业务指标的预测更为精准，该种预测效果较佳。附图说明为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1是本专利技术实施例提供的一种业务指标预测方法的流程图；图2A是本专利技术实施例提供的一种业务指标预测方法的流程图；图2B是本专利技术实施例提供的一种RNN模型的网络结构图；图3是本专利技术实施例提供的一种业务指标预测装置的结构示意图；图4是本专利技术实施例提供的一种服务器的结构示意图。具体实施方式为使本专利技术的目的、技术方案和优点更加清楚，下面将结合附图对本专利技术实施方式作进一步地详细描述。图1是本专利技术实施例提供的一种业务指标预测方法的流程图。参见图1，本专利技术实施例提供的方法流程包括：101、对于一个业务指标，根据业务指标的第一历史时间序列，训练对业务指标进行预测的至少一个第一模型。102、对于每一个第一模型，基于该第一模型和第二历史时间序列对业务指标进行预测，得到一个初步预测结果。103、将至少一个第一模型输出的初步预测结果进行统计分析，得到业务指标的最终预测结果。本专利技术实施例提供的方法，基于历史数据训练多个模型，且每一个模型均根据历史数据对同一业务指标进行预测，进而得到多个预测结果。之后，将这多个预测结果进行加权平均等统计分析，将最终得到的结果作为对该业务指标的预测结果，由于进行了多个模型融合，这样即便业务指标存在较大波动和受到季节性因素等影响，依然可以通过多种模型有效地抓住指标的变化规律和长期趋势，使得对业务指标的预测更为精准，该种预测效果较佳。在另一个实施例中，根据业务指标的第一历史时间序列，训练对业务指标进行预测的至少一个第一模型，包括：基于时间顺序，在第一历史时间序列中分别确定训练数据和测试数据；根据训练数据，训练至少一个第二模型中的各个参数，得到至少一个训练模型；根据测试数据对至少一个训练模型中的各个参数进行优化，得到至少一个第一模型。在另一个实施例中，基于时间顺序，在第一历史时间序列中分别确定训练数据和测试数据，包括：将第一历史时间序列中时间变量早于预设时间阈值的业务数据作为训练数据；将第一历史时间序列中时间变量晚于预设时间阈值的业务数据作为测试数据。在另一个实施例中，将至少一个第一模型输出的初步预测结果进行统计分析，得到业务指标的最终预测结果，包括：将至少一个第一模型输出的初步预测结果进行加权平均处理，得到最终预测结果。在另一个实施例中，将至少一个第一模型输出的初步预测结果进行统计分析，得到业务指标的最终预测结果，包括：基于MAPE((MeanAbsolutePercentageError，相对百分误差)算法，在输出的所有初步预测结果中选取指定个初步预测结果，指定个初步预测结果对应的模型对业务指标的预测误差小于指定数值；将指定个初步预测结果进行加权平均处理，得到最终预测结果。在另一个实施例中，至少一个第一模型包括EWMA(ExponentiallyWeightedMoving-Average，指数加权移动平均)模型、ARMA(Auto-RegressiveandMovingAverage，自回归移动平均)模型、RNN(RecurrentneuralNetwork，递归神经网络)模型。上述所有可选技术方案，可以采用任意结合形成本公开的可选实施例，在此不再一一赘述。图2A是本专利技术实施例提供的一种业务指标预测方法的流程图。参见图2A，本专利技术实施例提供的方法流程包括：201、对于一个业务指标，根据业务指标的第一历史时间序列，训练对该业务指标进行预测的至少一个第一模型。其中，业务指标可指代游戏每天获得收入、网站每天访问人数、广告每天获得收入等，本专利技术实施例对此不进行具体限定。第一历史时间序本文档来自技高网...

【技术保护点】
一种业务指标预测方法，其特征在于，所述方法包括：对于一个业务指标，根据所述业务指标的第一历史时间序列，训练对所述业务指标进行预测的至少一个第一模型；对于每一个第一模型，基于所述第一模型和第二历史时间序列对所述业务指标进行预测，得到一个初步预测结果；将所述至少一个第一模型输出的所述初步预测结果进行统计分析，得到所述业务指标的最终预测结果。

【技术特征摘要】
1.一种业务指标预测方法，其特征在于，所述方法包括：对于一个业务指标，根据所述业务指标的第一历史时间序列，训练对所述业务指标进行预测的至少一个第一模型；对于每一个第一模型，基于所述第一模型和第二历史时间序列对所述业务指标进行预测，得到一个初步预测结果；将所述至少一个第一模型输出的所述初步预测结果进行统计分析，得到所述业务指标的最终预测结果。2.根据权利要求1所述的方法，其特征在于，所述根据所述业务指标的第一历史时间序列，训练对所述业务指标进行预测的至少一个第一模型，包括：基于时间顺序，在所述第一历史时间序列中分别确定训练数据和测试数据；根据所述训练数据，训练至少一个第二模型中的各个参数，得到至少一个训练模型；根据所述测试数据对所述至少一个训练模型中的各个参数进行优化，得到所述至少一个第一模型。3.根据权利要求2所述的方法，其特征在于，所述基于时间顺序，在所述第一历史时间序列中分别确定训练数据和测试数据，包括：将所述第一历史时间序列中时间变量早于预设时间阈值的业务数据作为所述训练数据；将所述第一历史时间序列中时间变量晚于所述预设时间阈值的业务数据作为所述测试数据。4.根据权利要求1所述的方法，其特征在于，所述将所述至少一个第一模型输出的所述初步预测结果进行统计分析，得到所述业务指标的最终预测结果，包括：将所述至少一个第一模型输出的初步预测结果进行加权平均处理，得到所述最终预测结果。5.根据权利要求1所述的方法，其特征在于，所述将所述至少一个第一模型输出的所述初步预测结果进行统计分析，得到所述业务指标的最终预测结果，包括：基于相对百分误差MAPE算法，在输出的所有初步预测结果中选取指定个初步预测结果，所述指定个初步预测结果对应的模型对所述业务指标的预测误差小于指定数值；将所述指定个初步预测结果进行加权...

【专利技术属性】
技术研发人员：蒋杰，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：广东,44