[发明专利]一种时间序列数据处理方法、装置、设备及计算机介质

说明书

本申请公开了一种时间序列数据处理方法、装置、设备及计算机介质，将获取的原始时间序列数据作为待检测数据；基于ADF检测的含趋势项检测模型对待检测数据进行检测，若检测出待检测数据不具有确定性时间趋势但具有单位根，则基于ADF检测的含常数项检测模型对待检测数据进行检测，若检测出待检测数据不具有常数项但具有单位根，则基于ADF检测的不含常数项检测模型对待检测数据进行检测，若检测出待检测数据不具有单位根，则将待检测数据输出为具有平稳性的目标时间序列数据，以基于目标时间序列数据进行数据处理。可以综合考虑确定性时间趋势、常数项、单位根来确定出平稳性的目标时间序列数据，能够提高时间序列数据的处理准确性。

技术领域

本申请涉及数据处理技术领域，更具体地说，涉及一种时间序列数据处理方法、装置、设备及计算机介质。

背景技术

在人工智能及大数据建模分析等应用场景中，如果时间序列数据的均值没有系统的变化(无趋势)、方差没有系统变化，且严格消除了周期性变化，就可以称之是平稳的，也即时间序列数据具备平稳性。

因为时间序列数据的平稳性是数据具备可分析性的一个基本要求，所以需要对时间序列数据进行平稳性处理，比如通过ADF(Augment Dickey-Fuller，增广迪基-福勒)检验来判断时间序列数据是否具有单位根进而判断时间序列数据是否是平稳性的时间序列数据。具体的，因为ADF检测具有三个检测模型，分别为不含常数项检测模型、含常数项检测模型及含趋势项检测模型，所以可以同时用三个检测模型来判断时间序列数据是否具有单位根，若其中一个检测模型的检测结果表明时间序列数据不具有单位根，则认为时间序列数据是平稳的，若三个检测模型的检测结果均表明时间序列数据具有单位根，则认定时间序列数据是非平稳的。

然而，存在单位根是时间序列数据不平稳的充分而非必要条件，所以仅仅通过ADF检测的三个检测模型来判断时间序列数据是否具有单位根进而判断时间序列数据是否具有平稳性是不准确的，从而会导致后续对时间序列数据的处理不准确。

综上所述，如何提高时间序列数据的处理准确性是目前本领域技术人员亟待解决的问题。

发明内容

本申请的目的是提供一种时间序列数据处理方法，具有对时间序列数据处理准确的效果。本申请还提供了一种时间序列数据处理装置、电子设备及计算机可读存储介质。其具体方案如下：

第一方面，本申请公开了一种时间序列数据处理方法，包括：

获取原始时间序列数据，并将所述原始时间序列数据作为待检测数据；

基于增广迪基-福勒ADF检测的含趋势项检测模型对所述待检测数据进行检测，得到第一类检测结果并解析；

若所述第一类检测结果表征所述待检测数据不具有确定性时间趋势但具有单位根，则基于所述ADF检测的含常数项检测模型对所述待检测数据进行检测，得到第二类检测结果并解析；

若所述第二类检测结果表征所述待检测数据不具有常数项但具有单位根，则基于所述ADF检测的不含常数项检测模型对所述待检测数据进行检测，得到第三类检测结果并解析；

若所述第三类检测结果表征所述待检测数据不具有单位根，则将所述待检测数据输出为具有平稳性的目标时间序列数据，以基于所述目标时间序列数据进行数据处理。

可选的，所述得到第一类检测结果并解析之后，还包括：

若所述第一类检测结果表征所述待检测数据不具有确定性时间趋势和单位根，则将所述待检测数据输出为所述目标时间序列数据；

若所述第一类检测结果表征所述待检测数据具有确定性时间趋势，则确定所述待检测数据不具有平稳性；

所述得到第二类检测结果并解析之后，还包括：