【技術實現步驟摘要】
本申請涉及一種數據預測方法、裝置及存儲介質，屬于計算機。
技術介紹
1、目前，多條件實時的時序預測需求可以針對用戶實時變化的預測需求，在短時間內進行預測結果的反饋。例如：需要預測服務器執行某任務時在未來幾天的計算量，從而進行不同的服務器的資源調配。
2、由于用戶的需求可能是實時變化的，因此，會產生不同的實時任務。為了更準確的得到預測結果，傳統的方法包括：獲取該任務的歷史計算量數據，并使用該歷史計算量數據訓練神經網絡模型；然后，使用訓練好的模型預測未來幾天服務器執行任務的計算量。
3、然而，在遇到一個新的任務時，若新的任務的歷史數據量比較大，則模型訓練需要較長時間，導致預測結果無法做到實時響應；而若新的任務數據量少，則會導致預測結果偏差較大。
4、基于上述問題，可以按照任務的相似性為這些任務進行分類，按照任務相似性構造特征或者打標簽，用集成樹模型或者統計學模型對歷史數據訓練得到一個適用于多任務的預測模型，用該預測模型完成對未來一段時間的任務計算量的預測。
5、但是，一方面，相似任務對應的預測模型針對不同任務的預測準確性不一致，模型對歷史數據占比比較大的任務的預測性準確率較高，對歷史占比比較少的任務的計算量預測準確率較低，這就會導致模型預測效果不好。另一方面，當獲取到在模型訓練中沒出現過的新任務時，會產生模型預測出的結果與真實結果偏差較大，不能滿足不同用戶的需求的問題。
6、公開號為cn117076931a，名稱為一種基于條件擴散模型的時間序列數據預測方法和系統。包括：將訓
7、公開號為cn117056709a，名稱為時序預測模型的訓練方法、裝置和存儲介質及電子設備。其中，該方法包括：獲取初始的時序預測模型和多個時序樣本；將多個時序樣本輸入時域編碼器，得到多個時域編碼特征；將多個時域編碼特征輸入回歸器，得到多個時域預測結果；將多個時序樣本轉換為多個第一頻域編碼特征，和將多個時域預測結果轉換為多個第二頻域編碼特征；利用多個時域編碼特征、多個時域預測結果、多個第一頻域編碼特征，以及多個第二頻域編碼特征，獲取初始的時序預測模型的全局損失函數；在全局損失函數滿足訓練收斂條件的情況下，得到訓練好的時序預測模型。
技術實現思路
1、本申請提供了一種數據預測方法、裝置及存儲介質，無需為目標需求重新訓練新的神經網絡模型，可以解決需要為新的需求訓練新的模型導致數據預測效率較低的問題，提高數據預測的反饋效率。同時，由于目標預測模型是與第二時序數據最相近的目標分類對應的預測模型，因此還可以解決傳統的數據預測方法中預測結果不準確的問題，保證數據預測的準確性。本申請提供如下技術方案：
2、第一方面，提供了一種數據預測方法，包括：獲取基于歷史需求數據劃分出的至少一個分類的時序集合，其中歷史需求數據包括至少兩個不同的歷史需求、以及歷史需求對應的待預測數據類型在未來時間段的第一時序數據，并且其中同一分類的時序集合中不同第一時序數據之間的相似度高于不同分類的時序集合中的第一時序數據之間的相似度；接收目標需求，并且在不能匹配到與目標需求對應的歷史需求的情況下，基于目標需求對應的待預測數據類型在第一時間段的第二時序數據與各個分類的時序集合之間的相似度，確定第二時序數據所屬的目標分類；獲取目標分類對應的目標預測模型，其中不同分類對應不同的預測模型，預測模型是使用對應分類的時序集合預先訓練得到的；基于目標預測模型確定目標需求對應的待預測數據類型在第二時間段的第三時序數據，第二時間段在第一時間段之后。
3、第二方面，提供一種數據預測裝置，裝置包括處理器和存儲器；存儲器中存儲有程序，程序由處理器加載并執行以實現第一方面所述的數據預測方法。
4、第三方面，提供一種計算機可讀存儲介質，存儲介質中存儲有程序，程序由處理器加載并執行以實現第一方面所述的數據預測方法。
5、第四方面，提供一種數據預測裝置，包括：集合獲取模塊，用于獲取基于歷史需求數據劃分出的至少一個分類的時序集合，其中歷史需求數據包括至少兩個不同的歷史需求、以及歷史需求對應的待預測數據類型在未來時間段的第一時序數據，并且其中同一分類的時序集合中不同第一時序數據之間的相似度高于不同分類的時序集合中的第一時序數據之間的相似度；分類確定模塊，用于接收目標需求，并且在不能匹配到與目標需求對應的歷史需求的情況下，基于目標需求對應的待預測數據類型在第一時間段的第二時序數據與各個分類的時序集合之間的相似度，確定第二時序數據所屬的目標分類；模型獲取模塊，用于獲取目標分類對應的目標預測模型，其中不同分類對應不同的預測模型，預測模型是使用對應分類的時序集合預先訓練得到的；數據預測模塊，用于基于目標預測模型確定目標需求對應的待預測數據類型在第二時間段的第三時序數據，第二時間段在第一時間段之后。
6、本申請的有益效果在于：通過獲取基于歷史需求數據劃分出的至少一個分類的時序集合。其中，歷史需求數據包括至少兩個不同的歷史需求、以及歷史需求對應的待預測數據類型在未來時間段的第一時序數據。在接收到與歷史需求不同的目標需求的情況下，基于目標需求對應的待預測數據類型在第一時間段的第二時序數據與各個分類的時序集合之間的相似度，確定第二時序數據所屬的目標分類。獲取目標分類對應的目標預測模型，并基于目標預測模型確定目標需求對應的待預測數據類型在第二時間段的第三時序數據。由于使用與第二時序數據最相近的目標分類對應的目標預測模型，來預測第二時間段的第三時間序列，因此無需為目標需求重新訓練新的網絡模型，可以解決需要為新的需求訓練新的模型導致數據預測效率較低的問題，提高數據預測的反饋效率。同時，由于目標預測模型是與第二時序數據最相近的目標分類對應的預測模型，因此，還可以解決傳統的數據預測方法中預測結果不準確的問題，保證數據預測的準確性。
7、上述說明僅是本申請技術方案的概述，為了能夠更清楚了解本申請的技術手段，并可依照說明書的內容予以實施，以下以本申請的較佳實施例并配合附圖詳細說明如后。
本文檔來自技高網...【技術保護點】
1.一種數據預測方法，其特征在于，所述方法包括：
2.根據權利要求1所述的方法，其特征在于，獲取基于歷史需求數據劃分出的至少一個分類的時序集合的操作，包括：
3.根據權利要求2所述的方法，其特征在于，所述聚類算法為KShape算法。
4.根據權利要求1所述的方法，其特征在于，所述方法還包括：
5.根據權利要求4所述的方法，其特征在于，所述神經網絡模型為時間融合變換器模型。
6.根據權利要求1所述的方法，其特征在于，所述方法還包括：
7.根據權利要求1至6任意一項所述的方法，其特征在于，各個需求包括項目需求，所述待預測數據類型包括所述項目需求所需占用的服務器計算量。
8.一種數據預測裝置，其特征在于，所述裝置包括處理器和存儲器；所述存儲器中存儲有程序，所述程序由所述處理器加載并執行以實現如權利要求1至7任意一項所述的數據預測方法。
9.一種計算機刻可讀存儲介質，其特征在于，所述存儲介質中存儲有程序，所述程序由處理器加載并執行以實現如權利要求1至7任意一項所述的數據預測方法。
...
【技術特征摘要】
1.一種數據預測方法，其特征在于，所述方法包括：
2.根據權利要求1所述的方法，其特征在于，獲取基于歷史需求數據劃分出的至少一個分類的時序集合的操作，包括：
3.根據權利要求2所述的方法，其特征在于，所述聚類算法為kshape算法。
4.根據權利要求1所述的方法，其特征在于，所述方法還包括：
5.根據權利要求4所述的方法，其特征在于，所述神經網絡模型為時間融合變換器模型。
6.根據權利要求1所述的方法，其特征在于，所述方法還包括：
7.根據權...
【專利技術屬性】
技術研發人員：周健祥，孫雪艷，李強，劉陽，張華彬，宋田野，田國凱，趙健，
申請(專利權)人：保大坊科技有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。