本发明涉及计算机，尤其涉及一种时间序列处理方法和装置。
背景技术：
1、在某些场景中，需要根据时间序列中的历史序列值对未来取值进行预测，例如根据某物品历史时期的日销量预测未来时期的日销量。现有技术中，一般直接使用基于原始时间步进的时间序列进行预测，如上例中直接使用以一天为步进的原时间序列进行预测，由于原始时间步进的粒度较细，序列值变化较为强烈，导致时间序列的稳定性较差，容易影响预测精度。
技术实现思路
1、有鉴于此，本发明实施例提供一种时间序列处理方法和装置，能够基于变化周期对时间序列进行聚合，从而提高时间序列预测精度。
2、为实现上述目的，根据本发明的一个方面，提供了一种时间序列处理方法。
3、本发明实施例的时间序列处理方法包括：检测待处理时间序列中序列值的至少一个变化周期；对待处理时间序列中的序列值执行基于任一变化周期的有序聚合，形成以该变化周期为时间步进的聚合时间序列；对预先确定的多个判别模型中的任一判别模型以及任一变化周期对应的聚合时间序列执行基于预置预测指标的测试，将最优测试结果对应的判别模型确定为目标模型，将最优测试结果对应的变化周期确定为目标周期；依据目标周期对应的聚合时间序列以及目标模型对未来时期的序列值进行预测，将预测到的序列值拆分为对应于待处理时间序列的原始时间步进的目标预测值。
4、可选地，对待处理时间序列中的序列值执行基于任一变化周期的有序聚合，包括：根据任一变化周期对所述待处理时间序列进行切分，形成以该变化周期为时间步进的多个聚合范围；每一聚合范围的时间跨度等于该变化周期；将经过切分的待处理时间序列中同一聚合范围的序列值相加，作为以该变化周期为时间步进的聚合时间序列的一个序列值。
5、可选地，对预先确定的多个判别模型中的任一判别模型以及任一变化周期对应的聚合时间序列执行基于预置预测指标的测试，包括：从聚合时间序列的序列值中获取测试值；利用任一判别模型对任一变化周期对应的聚合时间序列中的测试值位置进行预测，根据预测值和该测试值确定该判别模型和该变化周期对应的、基于预置预测指标的测试结果。
6、可选地，将预测到的序列值拆分为对应于待处理时间序列的原始时间步进的目标预测值，包括：对于目标周期对应的聚合时间序列，获取该聚合时间序列的聚合范围中基于原始时间步进的各位置的权重占比；将预测到的序列值乘以各位置的权重占比，得到目标预测值。
7、可选地，获取该聚合时间序列的聚合范围中基于原始时间步进的各位置的权重占比，包括：获取各聚合范围中基于原始时间步进的同一位置的序列值的统计结果；将任一位置的统计结果除以各位置统计结果之和，得到任一位置的权重占比。
8、可选地，变化周期是待处理时间序列的原始时间步进的整数倍。
9、为实现上述目的，根据本发明的另一方面，提供了一种时间序列处理装置。
10、本发明实施例的时间序列处理装置可以包括：周期检测单元、序列聚合单元、模型验证单元和预测拆分单元。
11、其中，周期检测单元用于检测待处理时间序列中序列值的至少一个变化周期；序列聚合单元用于对待处理时间序列中的序列值执行基于任一变化周期的有序聚合，形成以该变化周期为时间步进的聚合时间序列；模型验证单元用于对预先确定的多个判别模型中的任一判别模型以及任一变化周期对应的聚合时间序列执行基于预置预测指标的测试，将最优测试结果对应的判别模型确定为目标模型，将最优测试结果对应的变化周期确定为目标周期；预测拆分单元用于依据目标周期对应的聚合时间序列以及目标模型对未来时期的序列值进行预测，将预测到的序列值拆分为对应于待处理时间序列的原始时间步进的目标预测值。
12、可选地，序列聚合单元进一步用于：根据任一变化周期对待处理时间序列进行切分，形成以该变化周期为时间步进的多个聚合范围；每一聚合范围的时间跨度等于该变化周期；将经过切分的待处理时间序列中同一聚合范围的序列值相加，作为以该变化周期为时间步进的聚合时间序列的一个序列值；模型验证单元进一步用于：从聚合时间序列的序列值中获取测试值；利用任一判别模型对任一变化周期对应的聚合时间序列中的测试值位置进行预测，根据预测值和该测试值确定该判别模型和该变化周期对应的、基于预置预测指标的测试结果。
13、可选地，预测拆分单元进一步用于：对于目标周期对应的聚合时间序列，获取该聚合时间序列的聚合范围中基于原始时间步进的各位置的权重占比；将预测到的序列值乘以各位置的权重占比，得到目标预测值。
14、可选地，预测拆分单元进一步用于：获取各聚合范围中基于原始时间步进的同一位置的序列值的统计结果；将任一位置的统计结果除以各位置统计结果之和，得到任一位置的权重占比。
15、可选地，变化周期是待处理时间序列的原始时间步进的整数倍。
16、为实现上述目的，根据本发明的又一方面，提供了一种电子设备。
17、本发明的一种电子设备包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现本发明所提供的时间序列处理方法。
18、为实现上述目的，根据本发明的再一方面，提供了一种计算机可读存储介质。
19、本发明的一种计算机可读存储介质，其上存储有计算机程序，程序被处理器执行时实现本发明所提供的时间序列处理方法。
20、为实现上述目的，根据本发明的再一方面，提供了一种计算机程序产品。
21、本发明的一种计算机程序产品包括计算机程序，计算机程序被处理器执行时实现本发明所提供的时间序列处理方法。
22、根据本发明的技术方案，上述发明中的实施例具有如下优点或有益效果：
23、首先，服务器检测待处理时间序列中序列值的至少一个变化周期，并对待处理时间序列中的序列值执行基于任一变化周期的有序聚合，形成以该变化周期为时间步进的聚合时间序列；此后，服务器对多个判别模型中的任一判别模型以及任一变化周期对应的聚合时间序列执行基于预置预测指标的测试，将最优测试结果对应的判别模型和变化周期分别确定为目标模型和目标周期以执行针对未来时期序列值的预测；最后，服务器按照原始时间步进各位置的权重占比将预测到的序列值拆分为对应于原始时间步进的目标预测值。如此，通过检测待处理时间序列的变化周期基于变化周期的聚合提高时间序列的时间步进粒度，从而提高时间序列稳定性，有助于提高预测精度；通过模型验证过程获得具有最优预测效果的目标模型和目标周期执行预测、以及通过基于权重计算的预测拆分方式从目标周期预测值中得到原始时间步进的目标预测值，利用匹配度最高的判别模型和变化周期获得原始时间步进对应的合理预测值，进一步提高预测精度。
24、上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。
1.一种时间序列处理方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述对所述待处理时间序列中的序列值执行基于任一变化周期的有序聚合，包括：
3.根据权利要求1所述的方法，其特征在于，所述对预先确定的多个判别模型中的任一判别模型以及任一变化周期对应的聚合时间序列执行基于预置预测指标的测试，包括：
4.根据权利要求2所述的方法，其特征在于，所述将预测到的序列值拆分为对应于所述待处理时间序列的原始时间步进的目标预测值，包括：
5.根据权利要求4所述的方法，其特征在于，所述获取该聚合时间序列的聚合范围中基于所述原始时间步进的各位置的权重占比，包括：
6.根据权利要求1所述的方法，其特征在于，所述变化周期是所述待处理时间序列的原始时间步进的整数倍。
7.一种时间序列处理装置，其特征在于，包括：
8.根据权利要求7所述的装置，其特征在于，所述序列聚合单元进一步用于：根据任一变化周期对所述待处理时间序列进行切分，形成以该变化周期为时间步进的多个聚合范围；每一聚合范围的时间跨度等于该变化周期；将经过所述切分的待处理时间序列中同一聚合范围的序列值相加，作为以该变化周期为时间步进的聚合时间序列的一个序列值。所述模型验证单元进一步用于：从所述聚合时间序列的序列值中获取测试值；利用任一判别模型对任一变化周期对应的聚合时间序列中的测试值位置进行预测，根据预测值和该测试值确定该判别模型和该变化周期对应的、基于预置预测指标的测试结果。
9.一种电子设备，其特征在于，包括：
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1-6中任一所述的方法。
11.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-6中任一所述的方法。
