[发明专利]一种基于信息稀疏情形的混频预测方法、装置及设备

权利要求书

1.一种基于信息稀疏情形的混频预测方法，其特征在于包括如下步骤：

步骤S1、对混频数据进行解析，整合不同类型数据；

步骤S2、构建信息稀疏度准则并确定频率转化目标，包括如下步骤：

步骤S21、根据用户检索数据，获得分析数据矩阵；

（1）

其中，x表示用户指定的输入数据指标，y表示用户指定的待预测指标，m表示数据集中的字段个数，n表示数据集中的观测数量；

步骤S22、设置信息稀疏度s，并按列计算分析数据矩阵中所有输入数据指标的信息稀疏度；具体公式如下：

其中为按照数据索引检索到的第j个指标的第i个数据观测值，即(1)中第i行第j列，n为最后一个观测的索引；

步骤S23、设置信息稀疏度准则S，若sS则进入步骤S3，否则直接进入步骤S4；

步骤S3、对时间序列频率使用三次样条插值法对数据进行处理，对不满足稀疏度准则S的序列进行调整，并用插补后序列替换原数据矩阵中对应指标数据，形成分析数据集D；

步骤S31、提取原始数据，获取特定区间的低频时间序列数据指标，将特定区间划分为子区间，每个子区间满足三次样条方程；

步骤S32、计算子区间每个数据节点的步长；

步骤S33、在三种边界条件下，将数据节点和指定的首位端点条件填充进矩阵方程；三种边界条件包括自然边界、固定边界和非扭结边界；

步骤S34、解矩阵方程，求得二次微分值；

步骤S35、由二次微分值得到样条插值函数的系数；

步骤S36、根据系数，在每个子区间中，创建三次方程；

步骤S37、使用三次方程对不满足稀疏度准则S的序列进行调整，并用插补后序列替换原数据矩阵中对应指标数据，形成分析数据集D；

步骤S4、混合不同模型，对分析数据集D开展预测，利用赤池信息准则形成预测结果；使用Lasso模型对分析数据集D进行回归预测，包括如下步骤：

步骤S411、构建带惩罚项的损失函数，具体公式如下：

L=(Y-W^TX)^T(Y-W^TX)+λ||W||

其中||W||为W的L1-范数，W=(w₁,w₂,…,w_m)表示模型计算得到的权重向量，Y=(y₁,y₂,…,y_n)表示，λ表示惩罚量，X为数据集D中x列的转置，满足：

步骤S412、使用坐标下降法对W进行求解；

步骤S413、根据W求解结果，计算Lasso模型预测值^LY和赤池信息量^LAIC；

所述步骤S4中，使用auto.ARIMA模型对分析数据集D进行回归预测，包括：

步骤S421、调用auto.ARIMA算法包，构建ARIMA模型，获得参数估计结果；

步骤S422、根据参数估计结果，计算auto.ARIMA模型预测值^AY和赤池信息量^AAIC；

所述步骤S4中，使用时序多元回归模型对分析数据集D进行回归预测，包括：

步骤S431、依次计算解释变量X和被解释变量Y之间的时序关联关系；

步骤S432、使用最小二乘法估计回归参数；

步骤S433、根据参数估计结果，计算时序多元回归模型预测值^MY和赤池信息量^MAIC；

步骤S5、对预测结果进行展示。