一种基于间隔提取方法的数据预测方法与流程

技术特征：
1.一种基于间隔提取方法的数据预测方法，其特征在于：该方法是基于如下步骤实现的：a．将单组实际数据（1）分割为前段实际数据（3）及后段实际数据（4）；b．基于间隔提取方法ⅰ（5）以不同的提取间隔数（20）从前段实际数据（3）中提取得第一级数据集（7）；c．从第一级数据集（7）中提取得第二级数据集（10）；d．以第二级数据集（10）对数据预测模型群（13）进行训练；e．基于间隔提取方法ⅱ（6）以不同的提取间隔数（20）从后段实际数据（4）中提取得第三级数据集（19）；f．将第三级数据集（19）输入已训练完成的数据预测模型群（13）进行数据预测；g．将数据预测模型群（13）中各独立模型（14）所得的各独立模型预测结果数据组（16）合并构成第四级数据集（15）。2.根据权利要求1所述一种基于间隔提取方法的数据预测方法，其特征在于：所述间隔提取方法由间隔提取方法ⅰ（5）及间隔提取方法ⅱ（6）组成；间隔提取方法ⅰ（5）用于从前段实际数据（3）中提取第一级数据集（7），间隔提取方法ⅱ（6）用于从后段实际数据（4）中提取第三级数据集（19）；其中，第一级数据集（7）由若干个间隔数据集（9）组成，每个间隔数据集（9）又由若干组间隔相同的单次提取数据组（8）构成；第三级数据集（19）由至少一个预测样本集（18）组成，预测样本集（18）又由若干组间隔不同的预测样本数据组（17）构成；其中，间隔数据集（9）的数量通过如下公式确定：n'=n上式中：n'为间隔数据集（9）的数量，n为提取间隔数（20）（n=1，2，3，
⋯
，n）；其中，每个间隔数据集（9）中单次提取数据组（8）的数量由如下公式确定：n''=n 1上式中：n''为每个间隔数据集（9）中单次提取数据组（8）的数量，n为提取间隔数（20）（n=1，2，3，
⋯
，n）；其中，第三级数据集（19）中的预测样本集（18）中预测样本数据组（17）的数量与所述间隔数据集（9）的数量相等。3.根据权利要求1所述一种基于间隔提取方法的数据预测方法，其特征在于：所述间隔提取方法ⅱ（6）从后段实际数据（4）中提取第三级数据集（19）时采用的提取间隔数（20）取值与所述间隔提取方法ⅰ（5）从前段实际数据（3）中提取第一级数据集（7）时采用的提取间隔数（20）取值是保持一致的。4.根据权利要求1所述一种基于间隔提取方法的数据预测方法，其特征在于：所述第二级数据集（10）由若干个训练样本集（11）组成，训练样本集（11）的数量与所述间隔数据集（9）的数量相等；其中，每个训练样本集（11）又由若干个训练样本数据组（12）构成。5.根据权利要求1所述一种基于间隔提取方法的数据预测方法，其特征在于：所述数据预测模型群（13）由若干个独立模型（14）组成，其中独立模型（14）的数量与所述间隔数据集（9）的数量相等。
6.根据权利要求1所述一种基于间隔提取方法的数据预测方法，其特征在于：所述第四级数据集（15）由若干个独立模型预测结果数据组（16）构成，其中独立模型预测结果数据组（16）数量与所述间隔数据集（9）数量相等。7.根据权利要求1所述一种基于间隔提取方法的数据预测方法，其特征在于：所述第四级数据集（15）由若干个独立模型预测结果数据组（16）合并构成，合并依据为：根据每个独立模型预测结果数据组（16）对应的提取间隔数（20）值的大小，按由小到大的顺序组合。

技术总结
本发明公开的一种基于间隔提取方法的数据预测方法，主要涉及数据处理及数据预测技术领域；具体为一种基于间隔提取方法以不同间隔数从单组实际数据中提取若干个数据集并以此实现数据长期预测的数据预测方法。所述方法基于7个步骤实现：基于所述间隔提取方法以不同间隔数从单组实际数据中提取第一级数据集及第三级数据集；从第一级数据集中提取第二级数据集；以第二级数据集对数据预测模型群进行训练；将第三级数据集输入已训练完成的数据预测模型群得到由若干个独立模型预测结果数据组构成的第四级数据集。本发明公开的技术方案增大了对实际数据中隐藏信息的挖掘程度；解决了数据的长期预测以及数据长期预测精确度难以保障的问题。保障的问题。保障的问题。


技术研发人员：杨志平
受保护的技术使用者：杨志平
技术研发日：2021.12.15
技术公布日：2022/2/8