[发明专利]大数据量预测的三层联合动态选择最优模型方法

摘要

本发明提供一种大数据量预测的三层联合动态选择最优模型方法，包括预测模型算法库、权重算法库、最优权重算法甄选算法三层，预测模型算法库放置在的最底层，在预测算法模型库之上是权重算法库，在权重算法库之上是最优权重算法甄选算法；该种大数据量预测的三层联合动态选择最优模型方法，三层结构具有高扩展性、预测稳定性、模型的动态调整特性、预测数据对模型的无差异性这四种特性。本申请运用了联合算法，该算法规避了常用算法的一些缺点，利用赋予多种模型权重的方法，将多种算法有机地组合在一起，将最适应的算法赋予高权重，而将相对不好的算法赋予的低的权重，这样既保证了数据预测的准确性，也保证了数据长度增加后，预测的稳定性。

主权项

一种大数据量预测的三层联合动态选择最优模型方法，其特征在于：包括预测模型算法库、权重算法库、最优权重算法甄选算法三层，预测模型算法库放置在最底层，在预测模型算法库之上是权重算法库，在权重算法库之上是最优权重算法甄选算法；预测模型算法库：包含若干种预测模型算法，这些算法被抽象成共同的接口，放置在联合算法的最底层，提供预测功能，支撑更上层的功能；权重算法库：对预测模型算法库的最底层算法的多样性进行屏蔽，根据底层算法的预测结果，按若干种标准对底层算法进行甄选组合，形成若干种权重算法；最优权重算法甄选算法：根据验证集中权重算法的效果，选择最优的权重算法，进行预测；预测模型算法库具体的实现步骤如下：输入训练数据；对训练数据预处理后，得到待用数据；使用两种以上的不同算法对待用数据进行模型拟合，得到各待选模型；对训练数据预处理，具体包括：数据筛选：去除过于稀疏的数据列；时间格式的处理：将时间列映射为连续的整数；数据补值：缺失数据插值、错误数据插值；权重算法采用如下算法：算法一：给予所有预测模型相同的权重；算法二：剔除百分之二十预测结果相对较差的模型，并给予剩下的模型相同的权重；算法三：计算各模型误差均方根，然后根据误差均方根大小，设计一个反趋势的函数，并根据该函数给各模型赋予权重；算法四：计算各模型最小绝对误差，然后根据最小绝对误差大小，设计一个反趋势的函数，并根据该函数给各模型赋予权重；算法五：计算各模型最小二乘计算的误差，然后根据最小二乘计算的误差大小，设计一个反趋势的函数，并根据该函数给各模型赋予权重；算法六：计算各模型赤池信息量准则，然后根据赤池信息量准则大小，设计一个反趋势的函数，并根据该函数给各模型赋予权重。