时序预测数据的偏差补偿方法、装置、设备及介质与流程

本发明涉及数据处理，尤其涉及一种时序预测数据的偏差补偿方法、装置、设备及介质。

背景技术：

1、目前，基于历史数据的预测多采用同期均值法，即直接取多个历史同期的指标平均值作为预测结果。该方法在保险金融及医疗健康等场景中应用广泛，但普遍存在预测粒度粗糙的问题，即难以区分不同日期类型对时序指标的影响差异，无法对预测偏差进行有效溯源与修正，且缺乏多源信息的自适应融合机制，导致预测结果在不同周期下呈现系统性偏差，难以满足复杂业务场景下的精准预测需求。

2、以金融科技领域为例，传统同期均值法无法区分工作日与节假日对业务产能的时序影响，也难以追溯偏差源于人力变化、产品结构调整还是季节性波动，导致预测准确性不足，难以支撑精细化资源分配与经营决策；以医疗健康领域为例，传统同期均值法忽略了节假日与工作日对就诊需求的波动差异，且缺乏偏差溯源与修正机制，影响医疗资源调度、医护排班及药品库存管理的精准性。

技术实现思路

1、本发明提供一种时序预测数据的偏差补偿方法、装置、计算机设备及介质，以解决同期均值法预测粒度粗糙、缺乏对预测结果的偏差修正，导致预测准确性不足的技术问题。

2、第一方面，提供了一种时序预测数据的偏差补偿方法，包括：

3、获取预设预测时段以及待预测的累计数值指标；

4、获取与预设预测时段同期的多个历史时段的多源时序数据，其中，多源时序数据包括累计数值指标在各历史时段的真实值、各历史时段的日期属性信息，以及累计数值指标在各历史时段内对应的每条明细数据的贡献值；

5、基于多源时序数据，确定基础预测参数，其中，基础预测参数包括以下至少一项：工作日时段对应的第一历史基准值、节假日时段对应的第二历史基准值和跨期生效影响修正参数；

6、基于基础预测参数以及各历史时段的日期属性信息，分别对各历史时段进行回溯预测，生成累计数值指标在各历史时段的回溯预测值；

7、基于各历史时段的真实值与回溯预测值的差值，生成残差序列；

8、基于多源时序数据和预设预测时段的日期属性信息，按照多个预设维度，对残差序列进行残差预测，得到多个残差预测值，其中，多个预设维度包括时序维度、层级结构维度和类别结构维度；

9、基于基础预测参数以及预设预测时段的日期属性信息，生成累计数值指标在预设预测时段的初始预测值；

10、通过贝叶斯融合算法，以多个残差预测值作为偏差补偿量，对初始预测值进行偏差补偿，生成累计数值指标在预设预测时段的目标预测值。

11、第二方面，提供了一种时序预测数据的偏差补偿装置，包括：

12、第一获取模块，用于获取预设预测时段以及待预测的累计数值指标；

13、第二获取模块，用于获取与预设预测时段同期的多个历史时段的多源时序数据，其中，多源时序数据包括累计数值指标在各历史时段的真实值、各历史时段的日期属性信息，以及累计数值指标在各历史时段内对应的每条明细数据的贡献值；

14、确定模块，用于基于多源时序数据，确定基础预测参数，其中，基础预测参数包括以下至少一项：工作日时段对应的第一历史基准值、节假日时段对应的第二历史基准值和跨期生效影响修正参数；

15、第一生成模块，用于基于基础预测参数以及各历史时段的日期属性信息，分别对各历史时段进行回溯预测，生成累计数值指标在各历史时段的回溯预测值；

16、第二生成模块，用于基于各历史时段的真实值与回溯预测值的差值，生成残差序列；

17、第三生成模块，用于基于多源时序数据和预设预测时段的日期属性信息，按照多个预设维度，对残差序列进行残差预测，得到多个残差预测值，其中，多个预设维度包括时序维度、层级结构维度和类别结构维度；

18、第四生成模块，用于基于基础预测参数以及预设预测时段的日期属性信息，生成累计数值指标在预设预测时段的初始预测值；

19、第五生成模块，用于通过贝叶斯融合算法，以多个残差预测值作为偏差补偿量，对初始预测值进行偏差补偿，生成累计数值指标在预设预测时段的目标预测值。

20、第三方面，提供了一种计算机设备，包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述时序预测数据的偏差补偿方法的步骤。

21、第四方面，提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时实现上述时序预测数据的偏差补偿方法的步骤。

22、上述时序预测数据的偏差补偿方法、装置、计算机设备及存储介质所实现的方案中，通过构建基础预测-残差补偿-贝叶斯动态融合三层架构，先利用工作日与节假日的差异化基准及跨期修正生成初始预测值，再从时序趋势、层级结构和类别结构三个维度分别预测残差序列，最终通过贝叶斯融合算法自适应确定最优权重，实现多维度偏差补偿。有效解决了传统同期均值法粒度粗糙、缺乏修正机制且无法自适应融合的问题，实现了偏差检测、溯源到精准补偿的全链路优化，显著提升了预测的准确性、稳定性与可解释性。在金融场景下，有助于提升业绩预测与资本配置的精准度，支撑投资策略调整；在医疗场景下，能够有效提高就诊需求预测的稳定性。

1.一种时序预测数据的偏差补偿方法，其特征在于，包括：

2.如权利要求1所述的时序预测数据的偏差补偿方法，其特征在于，所述基于所述多源时序数据，确定基础预测参数的步骤，具体包括：

3.如权利要求2所述的时序预测数据的偏差补偿方法，其特征在于，所述基于各历史时段的日期属性信息以及每条明细数据的贡献值，分别计算工作日时段的第一历史基准值、节假日时段的第二历史基准值和跨期生效影响修正参数的步骤，具体包括：

4.如权利要求1所述的时序预测数据的偏差补偿方法，其特征在于，所述基于所述基础预测参数以及各历史时段的日期属性信息，分别对各历史时段进行回溯预测，生成累计数值指标在各历史时段的回溯预测值的步骤，具体包括：

5.如权利要求1所述的时序预测数据的偏差补偿方法，其特征在于，所述基于所述多源时序数据和预设预测时段的日期属性信息，按照多个预设维度，对残差序列进行残差预测，得到多个残差预测值的步骤，具体包括：

6.如权利要求1所述的时序预测数据的偏差补偿方法，其特征在于，所述基于基础预测参数以及预设预测时段的日期属性信息，生成所述累计数值指标在所述预设预测时段的初始预测值的步骤，具体包括：

7.如权利要求1所述的时序预测数据的偏差补偿方法，其特征在于，所述通过贝叶斯融合算法，以多个残差预测值作为偏差补偿量，对初始预测值进行偏差补偿，生成累计数值指标在预设预测时段的目标预测值的步骤，具体包括：

8.一种时序预测数据的偏差补偿装置，其特征在于，包括：

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可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7任一项所述时序预测数据的偏差补偿方法的步骤。

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7任一项所述时序预测数据的偏差补偿方法的步骤。