[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

说明书

本发明公开了一种基于信息稀疏情形的混频预测方法、装置及设备，通过构建多输入混频数据存取工具包，整合不同类型数据信息；制定信息稀疏水平判断规则以及指标频率转化目标；若指标信息稀疏水平无法满足指标频率转化要求，则对指标集进行插值处理，直至达到频率转化要求，形成分析指标集；混合不同模型开展预测，利用AIC信息准则形成预测结果；存储预测结果，并转化为形状数据，并通过可视化技术进行展示。本发明解决了混频预测分析中因低频指标观测数量过少，导致无法得到准确结果的问题。

技术领域

本发明涉及数据信息稀疏的数据预测分析技术领域，尤其是涉及一种基于信息稀疏情形的混频预测方法、装置及设备。

背景技术

随着数字经济及其技术的不断发展，现代预测分析系统的信息输入日趋多元化、复杂化。在复杂信息输入条件下，由于不同数据采集系统（如设备传感器、信息感知器、统计调查等）更新频率、更新时间不一致，经常会面临多频率数据输入问题。而对于冷启动情形，更新频率较低的数据采集系统（如统计调查）则难以提供信息稠密度符合分析要求的数据，即出现信息稀疏问题。

这类信息稀疏问题普遍存在于各类冷启动预测分析系统当中，如新建通讯基站载荷预测系统、新建医院访问人流量预测系统、普查期内高频经济预测分析系统等。

传统预测分析系统在处理此类存在信息稀疏问题的预测工作中，存在很多难以解决的困难。例如，观测数量过少，无法满足关键统计假设；指标信息量过低，导致传统数据分析系统无法准确预测等。

发明内容

为解决现有技术的不足，实现长面板数据处理的同时，提高在高维数据分析中对稀疏信息进行预测的精度的目的，本发明采用如下的技术方案：

一种基于信息稀疏情形的混频预测方法，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；

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；

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；

步骤S5、对预测结果进行展示。

进一步地，所述步骤S1包括如下步骤：

步骤S11、根据数据接入特征，构建结构化数据存储规范，解析不同文件，得到不同数据接入信息；

步骤S12、设计内存指针，为不同数据接入信息划分存储区域；

步骤S13、确认数据索引位置，根据数据索引建立数据资料关联；

步骤S14、设置索引检索规则，使未检索到的观测值为NA，形成结构化数据库。

进一步地，所述步骤S3包括如下步骤：

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；