业务信息预测方法、装置、设备及程序产品与流程

摘要: 本申请属于人工智能,尤其涉及一种业务信息预测方法、装置、设备及程序产品。背景技术:1、在互联网平台的业务运营中,大量核心业务指标以时间序列形式持续产生,其变化受...
业务信息预测方法、装置、设备及程序产品与流程

本申请属于人工智能,尤其涉及一种业务信息预测方法、装置、设备及程序产品。

背景技术:

1、在互联网平台的业务运营中,大量核心业务指标以时间序列形式持续产生,其变化受节假日等可预期因素以及系统异常等随机因素共同影响。

2、为刻画预测的不确定性,现有技术引入基于扩散模型的概率时间序列预测方法,然而该类方法存在从纯噪声到结构化信号的分布鸿沟,容易破坏业务指标自带的趋势、周期结构,导致预测精度较为低下,难以满足多指标、高频次的业务监控预警需求。

3、基于此,本申请提供一种业务信息预测方法。

技术实现思路

1、本申请实施例提供了一种业务信息预测方法、装置、设备及程序产品,能够显著提升对多业务指标的概率预测精度,从而满足多指标、高频次的业务监控预警需求。

2、第一方面,本申请实施例提供了一种业务信息预测方法,该方法包括:

3、基于历史观测窗口对应的第一业务指标序列进行业务指标的确定性趋势预测,得到目标预测窗口对应的第二业务指标序列;其中,所述第一业务指标序列包括所述历史观测窗口内各历史时间步下至少一个业务维度的观测指标;所述第二业务指标序列包括所述目标预测窗口内各未来时间步下各所述业务维度的第一预测指标;所述业务维度包括网络流量维度、应用活跃维度以及交易异常监控维度中的至少一项;

4、以所述第二业务指标序列为扩散桥反向去噪的起始基准,执行扩散桥反向去噪,在扩散桥反向去噪过程中根据各所述未来时间步下各预测指标对应的目标残差调节噪声强度,得到至少一个第三业务指标序列;其中,所述预测指标为扩散桥反向去噪过程中所述未来时间步下各所述业务维度的中间预测指标,所述预测指标对应的目标残差为所述预测指标与所述未来时间步下对应业务维度的第一预测指标之间的差值,所述第三业务指标序列包括所述目标预测窗口内各未来时间步下各所述业务维度的第二预测指标;

5、根据所述至少一个第三业务指标序列,确定各所述业务维度的预测结果。

6、第二方面,本申请实施例提供了一种业务信息预测装置,该装置包括:

7、指标序列预测模块,用于基于历史观测窗口对应的第一业务指标序列进行业务指标的确定性趋势预测,得到目标预测窗口对应的第二业务指标序列;其中,所述第一业务指标序列包括所述历史观测窗口内各历史时间步下至少一个业务维度的观测指标;所述第二业务指标序列包括所述目标预测窗口内各未来时间步下各所述业务维度的第一预测指标;所述业务维度包括网络流量维度、应用活跃维度以及交易异常监控维度中的至少一项;

8、反向去噪模块,用于以所述第二业务指标序列为扩散桥反向去噪的起始基准,执行扩散桥反向去噪,在扩散桥反向去噪过程中根据各所述未来时间步下各预测指标对应的目标残差调节噪声强度,得到至少一个第三业务指标序列;其中,所述预测指标为扩散桥反向去噪过程中所述未来时间步下各所述业务维度的中间预测指标,所述预测指标对应的目标残差为所述预测指标与所述未来时间步下对应业务维度的第一预测指标之间的差值,所述第三业务指标序列包括所述目标预测窗口内各未来时间步下各所述业务维度的第二预测指标;

9、预测结果处理模块,用于根据所述至少一个第三业务指标序列,确定各所述业务维度的预测结果。

10、第三方面,本申请实施例提供了一种电子设备,该设备包括:处理器以及存储有计算机程序指令的存储器;

11、所述处理器执行所述计算机程序指令时实现上述第一方面中任一种可能的实现方法中的方法。

12、第四方面,本申请实施例提供了一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序指令,计算机程序指令被处理器执行时实现上述第一方面中任一种可能的实现方法中的方法。

13、第五方面,本申请实施例提供了一种计算机程序产品,该计算机程序产品中的指令由电子设备的处理器执行时,使得电子设备执行如上述第一方面中任一种可能的实现方法中的方法。

14、在本申请实施例中,通过先基于历史观测窗口内的业务指标进行确定性趋势预测,生成第二业务指标序列,并将其作为扩散桥反向去噪的起始基准,而非从纯高斯噪声开始,显著缩小了源状态与目标状态之间的分布差距,使得生成的未来指标轨迹更贴近真实的业务演化过程,完整保留了业务指标的趋势、周期等固有结构信息;在反向去噪过程中,依据各时间步、各业务维度下中间预测结果与确定性预测值的残差自适应调节噪声强度,可使模型重点修正不确定性较高的区域,同时避免破坏预测准确度较高的序列片段,最终基于生成的多条第三业务指标序列输出业务指标预测结果,显著提升了预测结果的精度与合理性,从而满足多指标、高频次的业务监控预警需求。

1.一种业务信息预测方法,其特征在于,所述方法包括:

2.根据权利要求1所述的方法,其特征在于,所述以所述第二业务指标序列为扩散桥反向去噪的起始基准,执行扩散桥反向去噪,在扩散桥反向去噪过程中根据各所述未来时间步下各预测指标对应的目标残差调节噪声强度,得到至少一个第三业务指标序列,包括:

3.根据权利要求2所述的方法,其特征在于,针对所述扩散桥反向去噪过程中的每个当前扩散步,所述根据各所述未来时间步下各预测指标对应的目标残差调节噪声强度,逐扩散步执行带噪序列更新并生成下一扩散步的带噪序列,包括:

4.根据权利要求3所述的方法,其特征在于,所述根据所述当前扩散步对应的噪声强度和各所述未来时间步下各所述业务维度的得分估计值,对所述当前扩散步对应的带噪序列进行更新,得到下一扩散步对应的带噪序列,包括:

5.根据权利要求3所述的方法,其特征在于,所述根据所述当前扩散步对应的噪声强度和各所述未来时间步下各所述业务维度的得分估计值,对所述当前扩散步对应的带噪序列进行更新,得到下一扩散步对应的带噪序列,包括:

6.根据权利要求5所述的方法,其特征在于,所述非马尔可夫逆条件分布的闭式解的计算公式为:

7.根据权利要求3所述的方法,其特征在于,所述根据所述当前扩散步对应的噪声强度和各所述未来时间步下各所述业务维度的得分估计值,对所述当前扩散步对应的带噪序列进行更新,得到下一扩散步对应的带噪序列,包括:

8.根据权利要求3所述的方法,其特征在于,所述数据预测器的训练过程包括:

9.根据权利要求8所述的方法,其特征在于,所述前向扩散加噪处理服从如下条件概率分布:

10.根据权利要求3所述的方法,其特征在于,所述得分预测器的训练过程包括:

11.根据权利要求10所述的方法,其特征在于,计算所述梯度拟合损失的损失函数为:

12.根据权利要求1所述的方法,其特征在于,所述根据所述至少一个第三业务指标序列,确定各所述业务维度的预测结果,包括:

13.根据权利要求1所述的方法,其特征在于,所述基于历史观测窗口对应的第一业务指标序列进行业务指标的确定性趋势预测,得到目标预测窗口对应的第二业务指标序列,包括:

14.一种业务信息预测装置,其特征在于,所述装置包括:

15.一种电子设备,其特征在于,所述电子设备包括:处理器,以及存储有计算机程序指令的存储器;所述处理器读取并执行所述计算机程序指令,以实现如权利要求1-13任意一项所述的业务信息预测方法。

16.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序指令,所述计算机程序指令被处理器执行时实现如权利要求1-13任意一项所述的业务信息预测方法。

17.一种计算机程序产品,其特征在于,所述计算机程序产品中的指令由电子设备的处理器执行时,使得所述电子设备执行如权利要求1-13任意一项所述的业务信息预测方法。