CN118349957A 指标时间序列预测方法、装置、电子设备及存储介质 赵馨逸 田原 侯昊男 谭新宇 陈哲涵.pdf
100墨值下载
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号
(43)申请公布日
(21)申请号 202410557228 .4
(22)申请日 2024 .05 .07
(71)申请人 天谋科技（上海）有限公司
地址 201824 上海市嘉定区金沙江路3131
号2幢J
(72)发明人 赵馨逸 田原 侯昊男 谭新宇
陈哲涵
(74)专利代理机构 北京清亦华知识产权代理事
务所(普通合伙) 11201
专利代理师 孟洋
(51)Int.Cl.
G06F
18/27
(2023 .01)
G06F
11/30
(2006 .01)
G06F
123/02
(2023 .01)
(54)发明名称
指标时间序列预测方法、装置、电子设备及
存储介质
(57)摘要
本申请提出一种指标时间序列预测方法、装
置、电子设备及存储介质，其中，方法包括：获取
指标的第一时间序列，第一时间序列包括L个点
数；获取n个随机频率，并基于L得到由随机频率
展开的第一正弦序列和第一余弦序列构成的第
一矩阵；确定基于第一时间序列和第一矩阵构建
的线性回归模型的估计参数；确定预测长度T，并
基于L和T得到由随机频率展开的第二正弦序列
和第二余弦序列构成的预测矩阵；基于估计参数
和预测矩阵，得到指标的预测结果。实现面对时
序预测场景时，无需给出序列的周期信息也能完
成时间序列的预测。
权利要求书2页 说明书10页 附图2页
CN 118349957 A
2024.07.16
CN 118349957 A
1 .一种指标时间序列预测方法，其特征在于，包括以下步骤：
获取指标的第一时间序列，所述第一时间序列包括L个点数；其中，L为正整数；
获取n个随机频率，并基于所述L得到由所述随机频率展开的第一正弦序列和第一余弦
序列构成的第一矩阵；其中，n为正整数；
确定基于所述第一时间序列和所述第一矩阵构建的线性回归模型的估计参数；
确定预测长度T，并基于所述L和所述T得到由所述随机频率展开的第二正弦序列和第
二余弦序列构成的预测矩阵；其中，T为正整数；
基于所述估计参数和所述预测矩阵，得到所述指标的预测结果。
2 .根据权利要求1所述的方法，其特征在于，所述获取指标的第一时间序列，包括：
获取所述指标在预设时间段内的指标值；
对所述指标值进行预处理，得到所述第一时间序列；其中，所述预处理包括按时间进行
排序处理，去重处理，间隔均匀化处理以及对缺失数据进行插值处理中的一项或者多项。
3 .根据权利要求1所述的方法，其特征在于，所述获取n个随机频率，并基于所述L得到
由所述随机频率展开的第一正弦序列和第一余弦序列构成的第一矩阵，包括：
获取n个随机数作为n个随机频率；
基于所述L得到第一预设序列，所述第一预设序列包括从1至L的正整数；
针对所述n个随机频率中的各随机频率，将该随机频率与所述第一预设序列相乘，得到
第一频率序列；
取所述第一频率序列中各值的正弦值，得到第一正弦序列；
取所述第一频率序列中各值的余弦值，得到第一余弦序列；
将所述n个随机频率对应的n个所述第一正弦序列和n个所述第一余弦序列作为列向量
交替排列，得到第一矩阵。
4 .根据权利要求1所述的方法，其特征在于，所述确定基于所述第一时间序列和所述第
一矩阵构建的线性回归模型的估计参数，包括：
基于所述第一时间序列和所述第一矩阵构建线性回归模型；
通过桥回归方法，确定所述线性回归模型的估计参数。
5 .根据权利要求1所述的方法，其特征在于，所述确定基于所述第一时间序列和所述第
一矩阵构建的线性回归模型的估计参数，包括：
通过第一公式，基于所述第一时间序列和所述第一矩阵构建线性回归模型；其中，所述
第一公式表示如下：
Y＝Xβ
其中，β为估计参数，为长度为2n的列向量，记为β＝[β
1
,β
2
,...,β
2n
]
T
；X为第一矩阵；Y为
指标的第一时间序列；
通过第二公式确定所述估计参数，其中，所述第二公式表示如下：
其中，λ为正则系数，为先验值；p为X的列数，j为循环变量。
6 .根据权利要求1所述的方法，其特征在于，所述基于所述L和所述T得到由所述随机频
权 利 要 求 书
1/2 页
2
CN 118349957 A
2
of 15
100墨值下载
【版权声明】本文为墨天轮用户原创内容，转载时必须标注文档的来源（墨天轮），文档链接，文档作者等基本信息，否则作者和墨天轮有权追究责任。如果您发现墨天轮中有涉嫌抄袭或者侵权的内容，欢迎发送邮件至：contact@modb.pro进行举报，并提供相关证据，一经查实，墨天轮将立刻删除相关内容。
下载排行榜
评论