-
公开(公告)号：CN117829322A
公开(公告)日：2024-04-05
申请号：CN202311838834.5
申请日：2023-12-28
Applicant: 南京邮电大学
IPC: G06N20/20 , G06F18/27 , G06F18/10 , G06F18/25 , G06F123/02
Abstract: 本发明涉及数据预测技术领域，公开了一种基于周期性时间序列与多维度的关联型数据预测方法，首先将需要分析预测的数据进行数据清洗、治理，并且将数据整体切分成带有维度特征的时间序列数据，其次将时序数据通过时序预测算法，输出时序预测数据，再次将同一数据同时输入维度特征回归预测算法，输出回归预测数据，最后将时序预测数据结果与回归预测数据结果进行加权融合，根据预测模型校准系数R2曲线选取最优加权比例，得到模型的最优输出结果。对融合后的新算法模型进行测试并验证。将新的模型部署到实际应用场景中，通过利用真实商业数据进行测试，验证了新的预测方法可以大幅提升数据预测的精准度。
Search Results
1
records
(took 0.016 seconds)
筛选
AND
AND
过滤
NOT
NOT
Scan to Join
