[发明专利]一种综合性时间序列预测方法及系统

说明书

本发明公开了一种综合性时间序列预测方法及系统。本方法为：1)获取目标数据的历史数据，以及k种时间序列预测方法对该历史数据的历史预测结果；2)根据该历史数据及历史预测结果计算出一最佳参数组合；3)利用该k种时间序列预测方法预测该目标数据的设定时间的预测值；4)根据该最佳参数组合对步骤3)得到的预测值进行计算，得到该目标数据的该设定时间的预测值。本发明预测准确率高，从而能够协助相关需求人员更好的制定决策。

技术领域

本发明涉及一种综合性时间序列预测方法及系统，属于计算机软件技术领域。

背景技术

现有技术中，绝大多数时间序列的预测方法是有各种局限性的。有的效果较好，但是只能进行较短期的预测；有的可以进行较长期的预测，但是效果相对较差。

时间序列预测技术贯穿了多种行业，例如区域经济预测、旅游热度预测、酒店入住量预测等。

综合性不足的时间序列预测方式会导致较大的预测误差。例如使用历史同期的时间序列预测方式，能够预测的时间区间较大，但预测准确度不足；使用ARIMA算法预测时间序列，准确性较高，但有效的时间区间较小。这些综合性不足的时间序列预测结果可能会导致产业链上游决策错误，影响到产业链的整体效益。

发明内容

本发明要解决的技术问题是为了克服现有技术中时间序列预测方法综合性不足的缺陷，提供一种将多种不普适的预测方法进行综合，形成一套综合性时间序列预测系统及方法。

本发明是通过下述技术方案来解决上述技术问题的：

一种综合性时间序列预测方法，其步骤为：

1)获取目标数据的历史数据，以及k种时间序列预测方法对该历史数据的历史预测结果；

2)根据该历史数据及历史预测结果计算出一最佳参数组合；

3)利用该k种时间序列预测方法预测该目标数据的设定时间的预测值；

4)根据该最佳参数组合对步骤3)得到的预测值进行计算，得到该目标数据的该设定时间的预测值。

进一步的，计算出该最佳参数组合的方法为：

21)设(R₁,R₂,…,R_i,…,R_n)为n个历史数据，其中R_i代表第i个历史数据的真实值；设(F₁₁,F₁₂,…,F_1n),(F₂₁,F₂₂,…,F_2n),…,(F_k1,F_k2,…,F_kn)为该k种时间序列预测方法对该历史数据的历史预测结果，其中F_kn代表第k种预测方法对第n个历史数据的预测结果；设置偏置项F_(k+1)1＝F_(k+1)2＝…＝F_(k+1)n＝1；

22)根据步骤21)的数据建立核心线性方程组F_it代表第i种时间序列预测方法对第t个历史数据的历史预测结果，F_jt代表第j种时间序列预测方法对第t个历史数据的历史预测结果，R_t代表第t个历史数据的真实值；

23)求解该核心线性方程组；如果无解，则查找该历史预测结果中具有线性相关的一对历史预测结果，并删除其中一历史预测结果；然后重新建立核心线性方程组并求解，直至得到该核心线性方程组的解，即该最佳参数组合，记为(X₁,X₂,…,X_k+1)。