[发明专利]预测数据的方法、训练预测数据模型的方法及装置

权利要求书

1.一种预测数据的方法，其特征在于，包括：

获取不同周期的多段历史数据，其中，所述不同周期的多段历史数据包括多个时间段的历史数据；

将所述多段历史数据分别输入预测数据模型，得到目标预测数据的多个预测结果，其中所述预测数据模型是通过一个或多个数据样本和所述一个或多个数据样本中每一数据样本对应的特征数据对现有模型进行训练得到的，所述一个或多个数据样本为一个或多个时间范围内的一个或多个周期的数据样本，所述预测数据模型包括多个子模型，所述多个子模型用于基于不同周期的历史数据，预测所述目标预测数据的所述多个预测结果。

2.根据权利要求1所述的方法，其特征在于，在所述将所述多段历史数据分别输入预测数据模型，得到目标预测数据的多个预测结果之后，所述方法还包括：

确定所述多个预测结果是否相同；

若所述多个预测结果为相同时，则将所述多个预测结果中的随机一个预测结果作为最终预测结果；

若确定所述多个预测结果不全部相同时，最终预测结果显示数据无法预测。

3.根据权利要求1或2所述的方法，其特征在于，所述预测结果，包括：

高频交易价格的走势、平均身高的走势、人数的走势、天气的走势或水位的走势。

4.一种训练预测数据模型的方法，其特征在于，包括：

获取一个或多个数据样本，其中，所述一个或多个数据样本为一个或多个时间范围内的一个或多个周期的历史数据；

利用所述一个或多个数据样本和所述一个或多个数据样本中每一数据样本对应的特征数据对现有模型进行训练，得到预测数据模型，其中所述预测数据模型包括多个子模型，所述多个子模型用于基于不同周期的历史数据，预测目标预测数据的多个预测结果。

5.根据权利要求4所述的方法，其特征在于，所述利用所述一个或多个数据样本和所述一个或多个数据样本中每一数据样本对应的特征数据对现有模型进行训练，得到预测数据模型，包括：

利用所述一个或多个数据样本和所述一个或多个数据样本中每一数据样本对应的特征数据对现有模型进行训练，得到初始预测模型；

利用测试集中的多个测试数据样本对所述预测数据模型中的所述多个子模型进行验证，确定所述预测数据模型。

6.根据权利要求4或5所述的方法，其特征在于，所述特征数据包括以下数据中的至少一种：

周期内的开始数据值、最终数据值、最大数据值、最小数据值、所述最终数据值与所述开始数据值的差值、数据数量、数据净入量和超过阈值的数据占比。

7.一种预测数据的装置，其特征在于，包括：

获取模块，用于获取待预测数据对应的多个周期的多个预测数据；

预测模型，用于将所述多个预测数据分别输入预设的预测数据模型，得到所述待预测数据对应的多个预测结果，其中所述预测数据模型是通过多个时间范围内每一天的多个周期的多个数据样本和所述多个数据样本中每一数据样本对应的特征数据对现有模型进行训练得到的，所述预测数据模型包括多个子模型，所述多个子模型用于基于不同周期的预测数据，预测所述待预测数据对应的所述多个预测结果。

8.一种训练预测数据模型的装置，其特征在于，包括：

获取模块，用于获取多个时间范围内每一天的多个周期的多个数据样本；

训练模块，用于利用所述多个数据样本和所述多个数据样本中每一数据样本对应的特征数据对现有模型进行训练，得到预测数据模型，其中所述预测数据模型包括多个子模型，所述多个子模型用于基于不同周期的预测数据，预测待预测数据对应的多个预测结果。

9.一种电子设备，其特征在于，包括：

存储器和处理器，所述存储器存储有计算机可读取指令，当所述计算机可读取指令由所述处理器执行时，运行如权利要求1-3或4-6中任一项所述方法中的步骤。

10.一种计算机可读存储介质，其特征在于，包括：

计算机程序，当所述计算机程序在计算机上运行时，使得所述计算机执行如权利要求1-3或4-6中任一项所述的方法。