数据预测方法、装置、设备、存储介质及程序产品与流程

本公开涉及人工智能、计算机或金融科技领域，尤其涉及一种数据预测方法、装置、设备、存储介质及程序产品。

背景技术：

1、随着计算机技术的发展，在计算机上开发的各种数据预测系统逐渐被广泛地应用到金融行业，以对金融行业的产品趋势进行预测，并为相关决策者提供科学依据。在符合法律规定的情况下，数据预测系统在进行预测时，一般会从少部分的数据平台上采集维度较为单一的数据，并根据采集到的数据进行产品价格趋势预测。

2、在实现本公开发明构思的过程中，发明人发现相关技术中一般会存在以下问题：从数据平台上采集金融数据的过程较为复杂，并且直接根据采集到的金融数据进行预测，一般不对采集到的金融数据进行处理，这至少部分地忽略了由于采集到的金融数据中存在瑕疵数据而导致的数据预测不准确的问题。此外，由于数据预测系统一般依托于服务器实现，复杂的数据采集过程以及直接利用采集到的金融数据进行预测的过程，一般会增加服务器的资源消耗以及内存占用，使得服务器存在资源利用率低以及内存利用率低的问题，同时也降低了数据预测的准确性。

技术实现思路

1、鉴于上述问题，本公开提供了一种数据预测方法、装置、设备、存储介质及程序产品。

2、本公开的一个方面提供了一种数据预测方法，包括：响应于数据预测请求，利用电子设备通过参数化的数据接口从数据平台中采集多个维度的初始金融数据，其中，上述数据接口的参数是通过基于上述数据平台的类型进行配置的；对上述初始金融数据进行检测，得到上述初始金融数据中的异常数据项；采用预设策略对上述异常数据项进行处理，得到目标金融数据；将上述目标金融数据输入到阶梯演变神经网络预测模型中，输出通过对上述目标金融数据进行渐进预测得到的数据预测结果，其中，上述阶梯演变神经网络预测模型包括n个神经网络预测子模型，从第一个神经网络预测子模型到第n个神经网络预测子模型之间，组成上述神经网络预测子模型的组件数目依次增加，n为大于1的正整数。

3、本公开的另一方面还提供了一种数据预测装置，包括：采集模块，用于响应于数据预测请求，利用电子设备通过参数化的数据接口从数据平台中采集多个维度的初始金融数据，其中，上述数据接口的参数是通过基于上述数据平台的类型进行配置的；检测模块，用于对上述初始金融数据进行检测，得到上述初始金融数据中的异常数据项；处理模块，用于采用预设策略对上述异常数据项进行处理，得到目标金融数据；第一输入模块，用于将上述目标金融数据输入到阶梯演变神经网络预测模型中，输出通过对上述目标金融数据进行渐进预测得到的数据预测结果，其中，上述阶梯演变神经网络预测模型包括n个神经网络预测子模型，从第一个神经网络预测子模型到第n个神经网络预测子模型之间，组成上述神经网络预测子模型的组件数目依次增加，n为大于1的正整数。

4、本公开的另一方面还提供了一种电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，其中，当上述一个或多个程序被上述一个或多个处理器执行时，使得上述一个或多个处理器执行上述的数据预测方法。

5、本公开的另一方面还提供了一种计算机可读存储介质，其上存储有可执行指令，该指令被处理器执行时使处理器执行上述的数据预测方法。

6、本公开的另一方面还提供了一种计算机程序产品，包括计算机程序，上述计算机程序被处理器执行时实现上述的数据预测方法。

7、根据本公开实施例提供的数据预测方法、装置、设备、存储介质以及程序产品，通过响应于数据预测请求，利用电子设备通过参数化的数据接口从数据平台中采集多个维度的初始金融数据，对初始金融数据进行检测，得到初始金融数据中的异常数据项；采用预设策略对异常数据项进行处理，得到目标金融数据；将目标金融数据输入到阶梯演变神经网络预测模型中，输出数据预测结果。由于在数据预测过程中，采用了参数化的接口采集数据，只需通过修改接口的参数，就可以实现数据的采集，无需深入底层实现逻辑，数据接口的简化降低了数据采集过程的复杂度。此外，在数据预测过程中，对初始金融数据进行了检测和处理，处理掉了初始金融数据中的异常数据项，实现了对金融数据的优化，保障了金融数据的质量以及数据预测结果的准确率，降低了服务器在进行数据预测过程中，由于异常数据项的存在而导致的高资源消耗以及高内存占用。再次，通过采集多个维度的金融数据，并利用阶梯演变神经网络对金融数据进行渐进预测，提高了得到数据预测结果的准确率。总体上，本公开实施例提供的数据预测方法、装置、设备、存储介质以及程序产品至少部分地克服了相关技术存在地资源利用率低、内存利用率低以及数据预测准确度低的问题，进而达到了提高资源利用率、内存利用率以及数据预测准确度的技术效果。

技术特征：

1.一种数据预测方法，包括：

2.根据权利要求1所述的方法，其中，所述阶梯演变神经网络预测模型是通过如下方式构建的：

3.根据权利要求2所述的方法，其中，在所述n等于3的情况下，所述构建n个神经网络预测子模型，包括：

4.根据权利要求3所述的方法，其中，所述根据训练所述n个神经网络预测子模型得到的训练结果，生成所述n个神经网络预测子模型的权重参数，包括：

5.根据权利要求4所述的方法，其中，所述利用计算引擎分别确定所述第一输出结果、所述第二输出结果以及第三输出结果与所述第一样本标签值之间的误差率，包括：

6.根据权利要求4所述的方法，其中，所述基于所述误差率，确定所述神经网络预测子模型的权重参数，包括：

7.根据权利要求2所述的方法，其中，所述将所述目标金融数据输入到阶梯演变神经网络预测模型中，输出通过对所述目标金融数据进行渐进预测得到的数据预测结果，包括：

8.根据权利要求1所述的方法，其中，所述异常数据项包括以下至少之一：缺失值、异常值、重复数据；

9.根据权利要求1所述的方法，还包括：

10.根据权利要求1所述的方法，还包括：

11.根据权利要求10所述的方法，其中，所述第二训练样本数据集中包括第二样本标签值；

12.一种数据预测装置，包括：

13.一种电子设备，包括：

14.一种计算机可读存储介质，其上存储有可执行指令，该指令被处理器执行时使处理器执行根据权利要求1～11中任一项所述的方法。

15.一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现根据权利要求1～11中任一项所述的方法。

技术总结
本公开提供了一种数据预测方法、装置、设备、存储介质及程序产品，可以应用于人工智能技术领域、计算机技术领域或金融科技领域。该方法包括：响应于数据预测请求，利用电子设备通过参数化的数据接口从数据平台中采集多个维度的初始金融数据；对初始金融数据进行检测，得到初始金融数据中的异常数据项；采用预设策略对异常数据项进行处理，得到目标金融数据；将目标金融数据输入到阶梯演变神经网络预测模型中，输出通过对目标金融数据进行渐进预测得到的数据预测结果，其中，阶梯演变神经网络预测模型包括N个神经网络预测子模型，从第一个神经网络预测子模型到第N个神经网络预测子模型之间，组成神经网络预测子模型的组件数目依次增加。

技术研发人员：方睿民
受保护的技术使用者：中国工商银行股份有限公司
技术研发日：
技术公布日：2024/5/8