【技术实现步骤摘要】
本申请涉及计算机处理，尤其涉及一种数据预测方法、装置、电子设备及存储介质。
技术介绍
1、数据预测可以帮助各个领域更好的处理业务，以销售领域为例，销量预测在许多行业中都是一个重要的业务问题，特别是在零售、电子商务、制造业等领域。准确地预测销量可以帮助企业做出更好的决策，包括库存管理、生产计划、市场营销策略等方面。现有的销售预测方法主要是基于时间序列分析方法，时间序列分析是一种研究时间上连续观测值序列的统计方法，根据序列间的内在联系，依靠过去值来预测未来值，实现较为简单，具有广泛的适用性，可解释性强，可以帮助我们理解时间序列中存在的趋势、季节性、异常值、周期性等特征。例如arima模型和prophet模型。
2、但是，时间序列分析只能处理影响因素较少，复杂程度较低的数据，通常无法捕捉到数据中的复杂关系，只有在未来趋势与历史数据相似时才能有较好的表现，现有的数据预测模型的表达能力比较简单，导致无法较好的学习复杂特征。
技术实现思路
1、有鉴于此，本申请提供了一种数据预测方法、装置、电子设备及存储介质，以解决现有技术中无法较好的学习复杂特征的问题。
2、本申请的第一方面，提供了一种数据预测方法，包括：获取目标领域的历史业务数据，历史业务数据包括时序特征和非时序特征；对时序特征进行分解，得到季节项、趋势项以及残差项；基于趋势项和残差项进行预测，得到趋势项变化和残差项变化，并将趋势项变化、残差项变化以及所述季节项进行融合，得到初始数据预测结果；基于初始数据预测结果与非
3、本申请的第二方面，提供了一种数据预测装置，包括：获取模块，被配置为获取目标领域的历史业务数据，历史业务数据包括时序特征和非时序特征；分解模块，被配置为对时序特征进行分解，得到季节项、趋势项以及残差项；初始预测模块，被配置为基于趋势项和残差项进行预测，得到趋势项变化和残差项变化，并将趋势项变化、残差项变化以及所述季节项进行融合，得到初始数据预测结果；最终预测模块，被配置为基于初始数据预测结果与非时序特征构建决策树，并基于决策树得到最终数据预测结果。
4、本申请的第三方面，提供了一种电子设备，包括存储器、处理器以及存储在存储器中并且可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。
5、本申请的第四方面，提供了一种存储介质，该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。
6、本申请采用的上述至少一个技术方案能够达到以下有益效果：
7、通过获取目标领域内的历史业务数据，将该历史业务数据分别存储于时序特征和非时序特征，将时序特征进行分解，以得到季节项、趋势项以及残差项，进而基于趋势项和残差项进行预测，可以捕捉时序特征中的长期依赖，得到初步趋势项变化和残差项变化，进一步将趋势项变化、残差项变化以及季节项进行融合，以得到初始预测结果，以综合考虑不同因素对数据的影响，得到初始数据预测结果，基于该初始数据预测结果和非时序特征构建决策树，可以进一步挖掘数据的潜在规律和关联性，基于每个决策树得到最终数据预测结果。这样可以基于时序特征分解更好地理解和解释数据的变化模式，之后基于趋势项变化可以了解数据的整体发展方向，残差项变化可以反映数据中的异常或突发事件，将趋势项变化、残差项变化和季节项进行融合，可以考虑到不同因素对数据的影响，从而提高数据预测的准确性和稳定性，最后基于初始数据预测结果进一步与非时序特征构建决策树可以充分理解各个特征之间的重要性和影响程度，且附上非时性特征，例如地区、品牌等，得到具体的最终数据预测结果，这样可以充分挖掘历史业务数据中的潜在规律和关联性，以帮助模型理解复杂的数据特征以处理复杂的数据预测任务。
本文档来自技高网...【技术保护点】
1.一种数据预测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述对所述时序特征进行分解，得到季节项、趋势项以及残差项，包括：
3.根据权利要求1所述的方法，其特征在于，所述基于所述趋势项和所述残差项进行预测，得到趋势项变化和残差项变化，包括：
4.根据权利要求3所述的方法，其特征在于，所述基于所述趋势项和所述残差项进行预测，得到趋势项变化和残差项变化，还包括：
5.根据权利要求1所述的方法，其特征在于，所述基于所述初始数据预测结果与所述非时序特征构建决策树，并基于所述决策树得到最终数据预测结果，包括：
6.根据权利要求1所述的方法，其特征在于，所述获取目标领域的历史业务数据，包括：
7.根据权利要求6所述的方法，其特征在于，所述非时序特征包括地区，所述获取目标领域的历史业务数据，还包括：
8.一种数据预测装置，其特征在于，包括：
9.一种电子设备，包括存储器、处理器以及存储在所述存储器中并且可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程
10.一种存储介质，所述存储介质存储有计算机程序，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至7中任一项所述方法的步骤。
...【技术特征摘要】
1.一种数据预测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述对所述时序特征进行分解，得到季节项、趋势项以及残差项，包括：
3.根据权利要求1所述的方法，其特征在于，所述基于所述趋势项和所述残差项进行预测，得到趋势项变化和残差项变化，包括：
4.根据权利要求3所述的方法，其特征在于，所述基于所述趋势项和所述残差项进行预测，得到趋势项变化和残差项变化，还包括：
5.根据权利要求1所述的方法，其特征在于，所述基于所述初始数据预测结果与所述非时序特征构建决策树，并基于所述决策树得到最终数据预测结果，包括：
6....
【专利技术属性】
技术研发人员：张宗盛，孙若愚，
申请(专利权)人：北京龙智数科科技服务有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。