(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111272040.8 (22)申请日 2021.10.2 9 (71)申请人 新智我来网络科技有限公司 地址 100102 北京市朝阳区望京东路1号 (72)发明人 谢龙飞　 (74)专利代理 机构 北京嘉科知识产权代理事务 所(特殊普通 合伙) 11687 代理人 陈俊宏 (51)Int.Cl. G06F 30/27(2020.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06N 20/00(2019.01) (54)发明名称 时间序列预测方法、 装置、 计算机设备和可 读存储介质 (57)摘要 本公开的实施例提供了时间序列预测方法、 装置、 计算机设备和可读 存储介质。 该方法包括： 分解目标设备运行操作的至少一个原始时间序 列， 得到目标设备运行的趋势项时间数据组和季 节项时间数据组； 利用趋势项时间数据组和季节 项时间数据组进行联合学习训练， 以得到设备运 行的趋势项集合； 基于目标时间序列和上述趋势 项集合， 从上述至少一个原始时间序列中选择原 始时间序列作为目标原始时间序列， 得到目标原 始时间序列集合； 基于上述目标时间序列和上述 目标原始时间序列集合中每个目标原始时间序 列的趋势项和季节项， 确定目标日期 的预测值。 本公开基于目标原始时间序列确定目标日期的 预测值可以综合多方数据， 提升预测精准度。 权利要求书2页 说明书8页 附图2页 CN 113987941 A 2022.01.28 CN 113987941 A 1.一种时间序列预测方法， 其特 征在于， 包括： 分解目标设备运行操作的至少一个原始时间序列， 得到所述目标设备运行的趋势项时 间数据组和季节项时间数据组； 利用所述趋势项时间数据组和季节项时间数据组进行联合学习训练， 以得到设备运行 的趋势项集 合； 基于目标时间序列和所述趋势项集合， 从所述至少一个原始时间序列中选择原始时间 序列作为目标原 始时间序列， 得到目标原 始时间序列集 合； 基于所述目标时间序列和所述目标原始时间序列集合中每个目标原始时间序列的趋 势项和季节项， 确定目标日期的预测值。 2.根据权利要求1所述的时间序列 预测方法， 其特征在于， 所述基于目标时间序列和所 述趋势项集合， 从所述至少一个原始时间序列中选择原始时间序列作为目标原始时间序 列， 得到目标原 始时间序列集 合， 包括： 对所述目标时间序列进行分解， 得到所述目标时间序列的趋势项和季节项； 计算所述趋势项集合中每个趋势项与所述目标时间序列的趋势项的距离， 得到距离集 合； 基于所述距离集合， 从所述趋势项集合中选择趋势项作为目标趋势项， 得到目标趋势 项集合； 基于所述目标趋势项集合， 从所述至少一个原始时间序列中选择与 所述目标趋势项集 合中的目标趋势项对应的原始时间序列作为目标原始时间序列， 得到所述目标原始时间序 列集合。 3.根据权利要求2所述的时间序列 预测方法， 其特征在于， 所述基于所述目标时间序列 和所述目标原始时间序列集合中每个目标原始时间序列的趋势项和季节项， 确定目标日期 的预测值， 包括： 获取初始模型； 基于获取的趋势项拟合结果、 获取的季节项拟合结果和所述初始模型， 得到时间序列 趋势变化模型； 将所述目标日期输入至所述时间序列趋势变化模型， 得到预测值。 4.根据权利要求3所述的时间序列 预测方法， 其特征在于， 所述趋势项拟合结果的获取 过程， 包括： 对所述目标趋势项集 合中的目标趋势项 进行特征提取， 得到 趋势项特 征集合； 利用预设训练方式， 对所述趋势项特 征集合进行训练， 得到训练后的趋势项特 征集合； 对所述训练后的趋势项特征集合和所述目标时间序列进行拟合， 得到趋势项拟合结 果。 5.根据权利要求3所述的时间序列 预测方法， 其特征在于， 所述季节项拟合结果的获取 过程， 包括： 对所述目标时间序列的季节项 进行特征提取， 得到所述目标时间序列的季节项特 征； 对所述目标原始时间序列集合中每个目标原始时间序列的季节项进行特征提取， 得到 季节项特 征集合； 利用所述预设训练方式， 对所述季节项特征集合进行训练， 得到训练后的季节项特征权　利　要　求　书 1/2 页 2 CN 113987941 A 2集合； 对所述季节项特 征和所述季节项特 征集合进行拟合， 得到季节项拟合结果。 6.根据权利要求1至5中任一项所述的时间序列预测方法， 其特征在于， 所述方法还包 括： 将所述预测值传输至具有显示功能的目标设备， 以及控制所述目标设备显示所述预测 值。 7.一种时间序列预测装置， 其特 征在于， 包括： 分解单元， 被配置成分解目标设备运行操作的至少一个原始时间序列， 得到所述目标 设备运行的趋势项时间数据组和季节项时间数据组； 趋势项集合获取单元， 被配置成利用所述趋势项时间数据组和季节项时间数据组进行 联合学习训练， 以得到设备运行的趋势项集 合； 选择单元， 被配置成基于目标时间序列和所述趋势项集合， 从所述至少一个原始时间 序列中选择原 始时间序列 作为目标原 始时间序列， 得到目标原 始时间序列集 合； 预测单元， 被配置成基于所述目标时间序列和所述目标原始时间序列集合中每个目标 原始时间序列的趋势项和季节项， 确定目标日期的预测值。 8.根据权利要求1所述的时间序列 预测装置， 其特征在于， 所述选择单元被进一步配置 成： 计算所述趋势项集合中每个趋势项与所述目标时间序列的趋势项的距离， 得到距离集 合； 基于所述距离集合， 从所述趋势项集合中选择趋势项作为目标趋势项， 得到目标趋势 项集合； 基于所述目标趋势项集合， 从所述至少一个原始时间序列中选择与 所述目标趋势项集 合中的目标趋势项对应的原始时间序列作为目标原始时间序列， 得到所述目标原始时间序 列集合。 9.一种计算机设备， 包括存储器、 处理器以及存储在所述存储器中并且可以在所述处 理器上运行 的计算机程序， 其特征在于， 所述处理器执行所述计算机程序时实现如权利要 求1至6中任一项所述方法的步骤。 10.一种计算机可读存储介质， 所述计算机可读存储介质存储有计算机程序， 其特征在 于， 所述计算机程序被处 理器执行时实现如权利要求1至 6中任一项所述方法的步骤。权　利　要　求　书 2/2 页 3 CN 113987941 A 3