一种定量预测方法及装置与流程

本发明涉及业务支撑
技术领域：
，尤其涉及一种定量预测方法及装置。
背景技术：
：定量预测，是指根据准确、及时、系统、全面的调查统计资料和信息，运用统计方法或其他数学模型，对未来事件、现象发展的规模、水平、速度和比例等量的关系的测定。现阶段定量预测方法有很多，他们共同特征可以总结为：分析历史数据和信息，发现或识别数据模式或规律；通过一定的数学模型来描述这种模式或规律；将建立的数学模型在时间域上扩展完成预测。现有技术的定量预测法存在以下问题：对预测偏差的分析和使用，仅限于在未来如何创造出新的预测方法，然后使用新的预测方法来进行预测，却没有考虑预测方法自身预测偏差对预测结果的影响。综上所述，现有技术的预测方法无法通过预测方法自身进行预测结果校正。技术实现要素：本发明提供一种定量预测方法及装置，用以解决现有技术中的预测方法无法通过预测方法自身进行预测结果校正的技术问题。一方面，本发明实施例提供一种定量预测方法，包括：获取历史数据以及所述历史数据的偏差值；基于第一预测方法对所述偏差值进行定量预测，获得定量预测偏差值；根据所述定量预测偏差值对所述历史数据的初始定量预测值进行纠偏，得到所述历史数据的最终定量预测值，所述初始定量预测值是基于第二预测方法对所述历史数据进行定量预测获得的。可选地，所述根据所述定量预测偏差值对所述历史数据的初始定量预测值进行纠偏，得到所述历史数据的最终定量预测值，包括：将所述初始定量预测值与所述定量预测偏差值之和作为所述最终定量预测值。可选地，所述第一预测方法与所述第二预测方法相同。可选地，所述第一预测方法为下列任一项或几项的组合：统计分析预测法、因果联系模拟预测法和人工智能预测法；所述第二预测方法为下列任一项或几项的组合：统计分析预测法、因果联系模拟预测法和人工智能预测法。可选地，所述历史数据为告警历史数据；所述历史数据的偏差值为告警预测偏差值；该方法还包括：获取告警历史数据以及告警预测偏差值；基于告警预测方法对所述告警预测偏差值进行定量预测，获得定量预测偏差值；根据所述定量预测偏差值对所述告警历史数据的初始告警预测值进行纠偏，得到所述历史数据的最终告警预测值，所述初始告警预测值是基于所述告警预测方法对所述告警历史数据进行定量预测获得的。另一方面，本发明实施例提供的一种定量预测装置，包括：第一获取单元，用于获取历史数据以及所述历史数据的偏差值；第二获取单元，用于基于第一预测方法对所述偏差值进行定量预测，获得定量预测偏差值；确定单元，用于根据所述定量预测偏差值对所述历史数据的初始定量预测值进行纠偏，得到所述历史数据的最终定量预测值，所述初始定量预测值是基于第二预测方法对所述历史数据进行定量预测获得的。可选地，所述确定单元，具体用于：将所述初始定量预测值与所述定量预测偏差值之和作为所述最终定量预测值。可选地，所述第一预测方法与所述第二预测方法相同。可选地，所述第一预测方法为下列任一项或几项的组合：统计分析预测法、因果联系模拟预测法和人工智能预测法；所述第二预测方法为下列任一项或几项的组合：统计分析预测法、因果联系模拟预测法和人工智能预测法。可选地，所述历史数据为告警历史数据；所述历史数据的偏差值为告警预测偏差值；所述第一获取单元，还用于：获取告警历史数据以及告警预测偏差值；所述第二获取单元，还用于：基于告警预测方法对所述告警预测偏差值进行定量预测，获得定量预测偏差值；所述确定单元，还用于：根据所述定量预测偏差值对所述告警历史数据的初始告警预测值进行纠偏，得到所述历史数据的最终告警预测值，所述初始告警预测值是基于所述告警预测方法对所述告警历史数据进行定量预测获得的。本发明实施例提供的方法，获取历史数据以及所述历史数据的偏差值，基于第一预测方法对所述偏差值进行定量预测，获得定量预测偏差值，根据所述定量预测偏差值对所述历史数据的初始定量预测值进行纠偏，得到所述历史数据的最终定量预测值，所述初始定量预测值是基于第二预测方法对所述历史数据进行定量预测获得的，该方法可以利用预测方法自身来进行校正，提高了预测精度，简化了预测过程。附图说明为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简要介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1为本发明实施例提供的定量预测方法流程图；图2为本发明实施例提供的定量预测方法详细流程图；图3为本发明实施例提供的定量预测装置示意图。具体实施方式为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步地详细描述，显然，所描述的实施例仅仅是本发明一部份实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。下面结合说明书附图对本发明实施例作进一步详细描述。如图1所示，本发明实施例提供的定量预测方法流程图，包括：步骤101、获取历史数据以及所述历史数据的偏差值；步骤102、基于第一预测方法对所述偏差值进行定量预测，获得定量预测偏差值；步骤103、根据所述定量预测偏差值对所述历史数据的初始定量预测值进行纠偏，得到所述历史数据的最终定量预测值；其中，初始定量预测值是基于第二预测方法对所述历史数据进行定量预测获得。上述步骤101中，历史数据可以从历史记录日志中获取，历史记录日志中存储的是事件发生时的真实值，因此，历史数据也可以称之为历史真实值，例如，过去每天的真实订单量，过去每天的真实用户访问量，过去一周内每天上午8点的真实气温等等。再比如，今天是2015年1月1日，历史记录日志中记录的是历史数据，具体地，记载的是过去一年时间(即2014年1月1日到2014年12月31日)中每天的销售额，则获取历史数据可以是获取历史记录日志中的所有历史数据，也可以是只获取其中的n个历史数据，n的具体取值可视实际需要而定。从历史数据偏差值数据库中获取与获取的历史数据对应的偏差值。例如，从历史记录日志中获取了n个历史数据，则历史数据偏差值数据库中获取对应的n个偏差值。历史数据的偏差值指的是历史数据与历史预测值之间的差值，其中历史预测值指的是在事件还未发生时，对真实值进行预测的值。上述步骤102中，基于第一预测方法对所述偏差值进行定量预测，获得定量预测偏差值。假设获取了n个历史数据，且n取值为5，获取的5个历史数据分别为h1，h2，h3，h4，h5，获取的5个对应的偏差值分别为d1，d2，d3，d4，d5。则根据第一预测方法及5个偏差值d1，d2，d3，d4，d5，获得定量预测偏差值。上述步骤103中，根据获得的定量预测偏差值对历史数据的初始定量预测值进行纠偏，得到所述历史数据的最终定量预测值。其中，初始定量预测值是基于第二预测方法对所述历史数据进行定量预测获得的。以上述例子为例进行说明，初始定量预测值是根据第二预测方法及5个历史数据h1，h2，h3，h4，h5得到的。在现有技术的预测方法，是将上述初始定量预测值作为最终的预测结果，而本发明实施例提供的方法，还会对初始定量预测值进行纠偏，具体地，根据获得的定量预测偏差值对初始定量预测值进行纠偏，得到最终定量预测值，其中，定量预测偏差值为正值或者负值。此外，对于上述第一预测方法及第二预测方法，可选地，所述第一预测方法为下列任一项或几项的组合：统计分析预测法、因果联系模拟预测法和人工智能预测法；所述第二预测方法为下列任一项或几项的组合：统计分析预测法、因果联系模拟预测法和人工智能预测法。其中，常用的统计分析预测法主要有：指数平滑法，趋势外推法，移动平均法等，常用的因果联系模拟预测法主要有：线性回归因果法等，常用的人工智能预测法有人工鱼群算法、蚁群算法、遗传算法、模拟退火算法等。上述确定定量预测偏差值时使用的第一预测方法，与确定初始定量预测值时使用的第二预测方法，可以是相同的预测方法，也可以是不同的预测方法，例如，都使用指数平滑法进行预测，都使用移动平均法进行预测等，或者第一预测方法为线性回归因果法，第二预测方法为模拟退火算法等。因此，可选地，所述第一预测方法与所述第二预测方法相同。此外，本发明的应用场景不限，例如应用场景可以是预测订单量，预测天气预报，预测告警量，预测上网用户阅读习惯，等等。具体地，上述步骤103中，根据所述定量预测偏差值对所述历史数据的初始定量预测值进行纠偏，得到所述历史数据的最终定量预测值的方法有很多种，例如将定量预测偏差值乘以某个系数之后，与初始定量预测值相加，得到最终定量预测值。可选地，所述根据所述定量预测偏差值对所述历史数据的初始定量预测值进行纠偏，得到所述历史数据的最终定量预测值，包括：将所述初始定量预测值与所述定量预测偏差值之和作为所述最终定量预测值。上述方法，将初始定量预测值与定量预测偏差值之和作为最终定量预测值，简单易实施。下面结合具体的例子进行说明。当前选定第一预测方法和第二预测方法都为二次指数平滑法，当前应用场景为预测工人工单量，假设根据前n天的历史数据(即历史工人工单量)来预测未来的数据(即未来工人工单量)，并且n取值为3，如表1所示，为相关历史记录参数，其中历史数据是从历史记录日志获取的。下面基于获取的历史数据和历史数据的偏差值，来预测2014年10月6日的工单量。2014-10-12014-10-22014-10-32014-10-42014-10-5历史数据33683035290427803022历史预测值34323055295128653060偏差值-64-20-47-85-38定量预测偏差值-52-11-26-59-16最终定量预测值33803044292528063044表1相关历史记录参数需要说明的是，为方便理解，在表1中增加了历史预测值这一行内容，并且初始定量预测值在事件发生之后，就成为历史预测值。由于n取值为3，选定的预测方法为二次指数平滑法，因此在上述表1中，举例来说，以2014年10月4日中的数据为例进行解释说明。其中，历史数据2780是在事件发生后得到的真实值；历史预测值2865是根据2014年10月1日～2014年10月3日，这3天的历史数据3368，3035，2904及二次指数平滑法预测得到的；预测偏差值-85为历史数据与历史预测值的差值；定量预测偏差值-59是根据2014年10月1日～2014年10月3日，这3天中的预测偏差值-64，-20，-47及二次指数平滑法预测得到的；最终定量预测值为初始定量预测值与定量预测偏差值之和，在事件发生之后，也可以理解为，最终定量预测值2806为历史预测值2865与定量预测偏差值(-59)之和。对于其他的历史记录参数的来源，与2014年10月4日的参数来源类似，在此不赘述。下面以根据2014年10月3日～2014年10月5日这3天的数据，来预测2014年10月6日的数据为例进行说明。第一步：根据2014年10月3日～2014年10月5日的历史数据2904，2780，3022，采用二次指数平滑法，得到初始定量预测值，假设为3653；第二步：根据2014年10月3日～2014年10月5日的偏差值-47，-85，-38，采用二次指数平滑法，得到定量预测偏差值，假设为-12；第三步：根据初始定量预测值，定量预测偏差值，得到最终定量预测值＝3653+(-12)＝3641。即，按照本发明实施例的预测方法，最终的预测值为3641，而如果按照现有技术的预测方法来预测，则预测结果为3653。因此本发明实施例的方法可以根据偏差值预测出定量预测偏差值，从而通过定量预测偏差值对初始定量预测值进行校正，得到最终定量预测值。当事件发生后，即可得知最终的结果，假设真实值为3623，则在事件发生后，可以将相关参数数据，用来更新表1，其中真实值成为历史数据，记录到历史记录日志中，初始定量预测值成为历史预测值。更新后的相关历史记录参数如表2所示。表2更新后的相关历史记录参数从上表可以看出，如果是现有技术，则直接将历史预测值3653作为最终的预测结果，而本发明实施例提供的方法，则将最终定量预测值3641作为最终的预测结果，从中可以看出，本发明实施例提供的方法预测的结果更加接近事件发生后的真实值3623。需要说明的是，上述方法根据前3天的历史数据作为输入参数，来预测未来的工单量，在实际应用中，也可以是根据前30天、50天或者365天等，作为输入参数，来预测未来的工单量，对于如何选取历史数据及历史数据的偏差值，本发明不做任何限定。上述方法，将同一个预测方法使用了两次，第一次将历史数据作为输入参数，根据预测方法，预测出初始定量预测值；第二次则将偏差值作为输入参数，根据预测方法，预测出定量预测偏差值；然后根据定量预测偏差值来校正初始定量预测值，得到最终定量预测值。现有技术直接将初始定量预测值作为最终的预测结果，而本发明实施例提供的方法，通过预测出定量预测偏差值进一步对初始定量预测值进行校正，因而本方法无需对预测方法自身做任何变动，只需要使用两次预测方法(可以为相同的预测方法，也可以是不同的预测方法)，即可实现自我调整，得到一个更加精确的预测结果，该方法简单易实施，预测结果更加准确。下面给出另一个应用场景下本发明实施例提供的方法的预测过程。可选地，所述历史数据为告警历史数据；所述历史数据的偏差值为告警预测偏差值；该方法还包括：获取告警历史数据以及告警预测偏差值；基于告警预测方法对所述告警预测偏差值进行定量预测，获得定量预测偏差值；根据所述定量预测偏差值对所述告警历史数据的初始告警预测值进行纠偏，得到所述历史数据的最终告警预测值，所述初始告警预测值是基于所述告警预测方法对所述告警历史数据进行定量预测获得的。上述方法，给出了应用场景为预测告警值时的预测过程，其中，所述告警预测方法可以是统计分析预测法、因果联系模拟预测法和人工智能预测法中的一种或几种的组合。下面对本发明实施例提供的定量预测方法做详细描述。如图2所示，为本发明实施例提供的定量预测方法详细流程图。步骤201、获取历史数据以及所述历史数据的偏差值；步骤202、基于第一预测方法对所述偏差值进行定量预测，获得定量预测偏差值；步骤203、基于第二预测方法对所述历史数据进行定量预测，得到初始定量预测值；步骤204、将所述初始定量预测值与所述定量预测偏差值之和作为最终定量预测值；步骤205、输出最终定量预测值。本发明实施例提供的方法，获取历史数据以及所述历史数据的偏差值，基于第一预测方法对所述偏差值进行定量预测，获得定量预测偏差值，根据所述定量预测偏差值对所述历史数据的初始定量预测值进行纠偏，得到所述历史数据的最终定量预测值，所述初始定量预测值是基于第二预测方法对所述历史数据进行定量预测获得的，该方法可以利用预测方法自身来进行校正，提高了预测精度，简化了预测过程。基于相同的技术构思，本发明实施例还提供一种定量预测装置。本发明实施例提供的定量预测装置如图3所示。第一获取单元301，用于获取历史数据以及所述历史数据的偏差值；第二获取单元302，用于基于第一预测方法对所述偏差值进行定量预测，获得定量预测偏差值；确定单元303，用于根据所述定量预测偏差值对所述历史数据的初始定量预测值进行纠偏，得到所述历史数据的最终定量预测值，所述初始定量预测值是基于第二预测方法对所述历史数据进行定量预测获得的。可选地，所述确定单元303，具体用于：将所述初始定量预测值与所述定量预测偏差值之和作为所述最终定量预测值。可选地，所述第一预测方法与所述第二预测方法相同。可选地，所述第一预测方法为下列任一项或几项的组合：统计分析预测法、因果联系模拟预测法和人工智能预测法；所述第二预测方法为下列任一项或几项的组合：统计分析预测法、因果联系模拟预测法和人工智能预测法。可选地，所述历史数据为告警历史数据；所述历史数据的偏差值为告警预测偏差值；所述第一获取单元301，还用于：获取告警历史数据以及告警预测偏差值；所述第二获取单元302，还用于：基于告警预测方法对所述告警预测偏差值进行定量预测，获得定量预测偏差值；所述确定单元303，还用于：根据所述定量预测偏差值对所述告警历史数据的初始告警预测值进行纠偏，得到所述历史数据的最终告警预测值，所述初始告警预测值是基于所述告警预测方法对所述告警历史数据进行定量预测获得的。本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。当前第1页12