[发明专利]动态预测方法及其系统

说明书

本申请公开了一种动态预测方法及其系统。该方法包括：获取N个第一时间周期中的业务数据，其中每一个第一时间周期包括M个第二时间周期；根据所述业务数据计算每个第二时间周期的业务量在所属的第一时间周期中的分布占比；根据各个所述分布占比计算N‑1个波动指标；选择最小的波动指标对应的时间区间作为最小波动时间区间，根据该最小波动时间区间中的各个所述分布占比计算在第一时间周期中处于相同位置的各个第二时间周期的分布占比的平均值，得到M个平均分布占比；根据所述M个平均分布占比进行预测。

技术领域

本说明书涉及大数据处理技术领域。

背景技术

目前，在许多应用场景下都需要对于涉及时间序列的现实场景进行预测，例如，预测某个营销活动的交易量，或者预测用户对某个网站的访问次数，等等。然而，由于历史数据可能掺杂了许多因素，并非用到的历史数据越多预测会越准确，如何找到其中对当前预测最有价值的历史数据一直是困扰本领域技术人员的困难问题。

发明内容

本说明书提供了一种动态预测方法及其系统，可以更加准确地对于涉及时间序列的现实场景进行预测。

本申请公开了一种动态预测方法，包括：

获取N个第一时间周期中的业务数据，其中每一个第一时间周期包括M个第二时间周期，N和M为大于1的整数；

根据所述业务数据计算每个第二时间周期的业务量在所属的第一时间周期中的分布占比；

根据各个所述分布占比计算N-1个波动指标，其中第i个波动指标对应第T-1个第一时间周期到第T-i-1个第一时间周期的波动指标，i是从1到N-1的整数，T代表当前时刻所属的第一时间周期；

选择最小的波动指标对应的时间区间作为最小波动时间区间，根据该最小波动时间区间中的各个所述分布占比计算在第一时间周期中处于相同位置的各个第二时间周期的分布占比的平均值，得到M个平均分布占比；

根据所述M个平均分布占比进行预测。

在一个优选例中，所述根据各个所述分布占比计算N-1个波动指标，进一步包括：

通过以下方式计算第i个波动指标：

对于从第T-1个第一时间周期到第T-i-1个第一时间周期所构成的时间跨度，获取该时间跨度中所有第二时间周期的分布占比；

根据所述时间跨度中各个分部占比，计算在第一时间周期中处于相同位置的各个第二时间周期的分布占比的离散程度指标，得到M个离散程度指标；

将上述M个离散程度指标的平均值作为所述第i个波动指标。

在一个优选例中，所述离散程度指标是以下之一：标准差，极差，平均差。

在一个优选例中，所述根据所述M个平均分布占比进行预测，将进一步包括：

获取第T个第一时间周期中前L个第二时间周期的业务量；

对所述前L个第二时间周期的业务量求和得到第一累积值，对所述M个平均分布占比中的前L个求和得到第二累积值，将所述第一累积值除以所述第二累积值得到第T个第一时间周期的业务量的预测值；

将所述M个平均分布占比中的后M-L个平均分布占比分别乘以所述第T个第一时间周期的业务量的预测值，得到第T个第一时间周期中的后M-L个第二时间周期的业务量的预测值。

在一个优选例中，所述方法用于网站的访问次数预测，所述业务量是网站的访问次数。

在一个优选例中，所述方法用于营销活动的交易量预测，所述业务量是交易量。

在一个优选例中，所述第一时间周期是一天，所述第二时间周期是一个小时。