[发明专利]数据预测方法、装置、电子设备及存储介质

说明书

本发明实施例提供一种数据预测方法、装置、电子设备及存储介质。本发明实施例通过利用异常检测模型对各个第一指标对应的指标数据序列分别进行检测，得到异常数据序列，根据所述异常数据序列，确定异常指标特征序列，将所述异常数据序列和所述异常指标特征序列输入已训练好的时间卷积网络模型，得到所述时间卷积网络模型输出的异常指标的下一个预测数据值，能够实时自动获得多个指标的预测结果，为辅助决策提供更好的支撑。

技术领域

本发明涉及数据处理技术领域，尤其涉及一种数据预测方法、装置、电子设备及存储介质。

背景技术

在城市发展的进程中，对于城市的管理和运行监控也在进行数字化转型。城市的管理者需要基于覆盖城市运行的各个领域的指标数据来辅助决策。

相关技术中，能够在同一个平台中接入多个领域对应的指标数据，并进行展示。这种技术所能够提供的信息十分有限，无法为辅助决策提供有力的支撑。

发明内容

为克服相关技术中存在的问题，本发明提供了一种数据预测方法、装置、电子设备及存储介质。

根据本发明实施例的第一方面，提供一种数据预测方法，包括：

利用异常检测模型对各个第一指标对应的指标数据序列分别进行检测，得到异常数据序列；所述指标数据序列中的各个数据按照数据产生的时间顺序排列；

根据所述异常数据序列，确定异常指标特征序列；

将所述异常数据序列和所述异常指标特征序列输入已训练好的时间卷积网络模型，得到所述时间卷积网络模型输出的异常指标的下一个预测数据值，所述异常指标为所述异常数据序列对应的指标。

根据本发明实施例的第二方面，提供一种数据预测装置，包括：

第一检测模块，用于利用异常检测模型对各个第一指标对应的指标数据序列分别进行检测，得到异常数据序列；所述指标数据序列中的各个数据按照数据产生的时间顺序排列；

确定模块，用于根据所述异常数据序列，确定异常指标特征序列；

预测模块，用于将所述异常数据序列和所述异常指标特征序列输入已训练好的时间卷积网络模型，得到所述时间卷积网络模型输出的异常指标的下一个预测数据值，所述异常指标为所述异常数据序列对应的指标。

根据本发明实施例的第三方面，提供一种电子设备，包括：

用于存储处理器的可执行指令的存储器；

所述处理器，用于执行所述指令，以实现第一方面任一项所述的方法。

根据本发明实施例的第四方面，提供一种计算机可读存储介质，所述计算机可读存储介质上存储有若干计算机指令，所述计算机指令被执行时实现第一方面任一项所述的方法。

本发明实施例提供的技术方案可以包括以下有益效果：

本发明实施例，通过利用异常检测模型对各个第一指标对应的指标数据序列分别进行检测，得到异常数据序列，根据所述异常数据序列，确定异常指标特征序列，将所述异常数据序列和所述异常指标特征序列输入已训练好的时间卷积网络模型，得到所述时间卷积网络模型输出的异常指标的下一个预测数据值，能够实时自动获得多个指标的预测结果，为辅助决策提供更好的支撑。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本说明书。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本说明书的实施例，并与说明书一起用于解释本说明书的原理。

图1是本发明实施例提供的数据预测方法的流程示例图。