液化天然气需求预测方法及装置与流程

本申请涉及液化天然气需求预测领域，具体而言，涉及一种液化天然气需求预测方法及装置、电子设备及可读存储介质。

背景技术：

近年来随着国家清洁环保政策的逐渐落实，全国范围内煤改气项目进展迅速。受此影响，液化天然气(lng)下游需求快速扩张，国内供应趋紧，管道气频频限气，多元化的消费需求需要匹配多元化的运输模式，其中公路运输承担了将天然气液化工厂、接收站的液化天然气运送到各个使用点的任务。

液化天然气的公路运输是液化天然气供应链的重要部分。因此对液化天然气的需求预测可以更科学的调配资源，助力天然气保供，提升液化天然气的运输效率，速效弥补因管道覆盖不足、管网互联互通程度有限以及建设进展缓慢对天然气发展的制约。

针对相关技术中存在的由于无法对液化天然气进行科学的资源调配导致液化天然气的运输效率不高以及因管道覆盖不足、管网互联互通程度有限、建设进展缓慢导致制约天然气发展的问题，目前尚未提出有效的解决方案。

技术实现要素：

本申请的主要目的在于提供一种液化天然气需求预测方法及装置、电子设备及可读存储介质，以解决相关技术中存在的上述问题。

为了实现上述目的，根据本申请的第一方面，提供了一种液化天然气需求预测方法。

根据本申请的液化天然气需求预测方法包括：获取地区液化天然气日用量数据；将所述地区液化天然气日用量数据输入预设时间序列算法进行拟合，以建立时间序列模型；采用预设参数优化算法对所述时间序列模型的参数进行优化；根据优化结果输出液化天然气需求预测模型，以根据所述液化天然气需求预测模型预测地区的液化天然气需求。

进一步地，所述获取地区液化天然气日用量数据包括：获取液化天然气公路运输轨迹数据；根据所述液化天然气公路运输轨迹数据提取地区液化天然气供需数据；根据所述液化天然气供需数据计算所述地区液化天然气日用量数据。

进一步地，所述预设时间序列算法包括多个子函数，所述将所述地区液化天然气日用量数据输入预设时间序列算法进行拟合，以建立时间序列模型包括：将所述地区液化天然气日用量数据分别输入多个所述子函数进行拟合，以得到多个拟合结果；将多个所述拟合结果进行叠加得到所述时间序列模型。

进一步地，所述预设时间序列算法包括趋势函数、季节函数以及节假日函数，所述将所述地区液化天然气日用量数据输入预设时间序列算法进行拟合，以建立时间序列模型包括：将所述地区液化天然气日用量数据输入所述趋势函数，以得到第一拟合结果；将所述地区液化天然气日用量数据输入所述季节函数，以得到第二拟合结果；将所述地区液化天然气日用量数据输入所述节假日函数，以得到第三拟合结果；将所述第一拟合结果、所述第二拟合结果和所述第三拟合结果进行叠加得到所述时间序列模型。

进一步地，所述根据优化结果输出液化天然气需求预测模型，以根据所述液化天然气需求预测模型预测地区的液化天然气需求之后包括：获取液化天然气需求预测请求，其中所述液化天然气需求预测请求包括地区和日期；根据所述地区调用相应的液化天然气需求预测模型；将所述日期输入所述液化天然气需求预测模型，以输出所述地区在所述日期的液化天然气需求量。

为了实现上述目的，根据本申请的第二方面，提供了一种液化天然气需求预测装置。

根据本申请的液化天然气需求预测装置包括：第一获取模块，用于获取地区液化天然气日用量数据；输入模块，用于将所述地区液化天然气日用量数据输入预设时间序列算法进行拟合，以建立时间序列模型；优化模块，用于采用预设参数优化算法对所述时间序列模型的参数进行优化；输出模块，用于根据优化结果输出液化天然气需求预测模型，以根据所述液化天然气需求预测模型预测地区的液化天然气需求。

进一步地，所述第一获取模块包括：获取单元，用于获取液化天然气公路运输轨迹数据；提取单元，用于根据所述液化天然气公路运输轨迹数据提取地区液化天然气供需数据；计算单元，用于根据所述液化天然气供需数据计算所述地区液化天然气日用量数据。

进一步地，所述所述预设时间序列算法包括多个子函数，所述输入模块包括：第一输入单元，用于将所述地区液化天然气日用量数据分别输入多个所述子函数进行拟合，以得到多个拟合结果；第一叠加单元，用于将多个所述拟合结果进行叠加得到所述时间序列模型。

为了实现上述目的，根据本申请的第三方面，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；当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如前任一项所述的方法。

为了实现上述目的，根据本申请的第四方面，提供了一种非暂态可读存储介质，其上存储有计算机指令，所述指令被处理器执行时实现如前任一项所述方法的步骤。

在本申请实施例中，采用获取地区液化天然气日用量数据；将所述地区液化天然气日用量数据输入预设时间序列算法进行拟合，以建立时间序列模型；采用预设参数优化算法对所述时间序列模型的参数进行优化的方式，通过根据优化结果输出液化天然气需求预测模型，达到了根据液化天然气需求预测模型准确预测地区的液化天然气需求的目的，从而可以更科学的调配资源，助力天然气保供，提升液化天然气的运输效率，速效弥补因管道覆盖不足、管网互联互通程度有限以及建设进展缓慢对天然气发展的制约。

附图说明

构成本申请的一部分的附图用来提供对本申请的进一步理解，使得本申请的其它特征、目的和优点变得更明显。本申请的示意性实施例附图及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1是根据本申请第一实施例的液化天然气需求预测方法的流程示意图；

图2是根据本申请第二实施例的液化天然气需求预测方法的流程示意图；

图3是根据本申请第三实施例的液化天然气需求预测方法的流程示意图；

图4是根据本申请第四实施例的液化天然气需求预测方法的流程示意图；

图5是根据本申请第五实施例的液化天然气需求预测方法的流程示意图；

图6是根据本申请实施例的液化天然气需求预测模型的拟合结果示意图；

图7是根据本申请实施例的液化天然气需求预测结果中的趋势效应、周效应和年度效应示意图；

图8是根据本申请实施例的液化天然气需求预测装置的组成结构示意图；以及

图9是根据本申请实施例的电子设备的组成结构示意图。

具体实施方式

为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分的实施例，而不是全部的实施例。基于本申请中的实施例，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他实施例，都应当属于本申请保护的范围。

需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

根据本发明实施例，提供了一种液化天然气需求预测方法，如图1所示，该方法包括如下的步骤s101至步骤s104：

步骤s101，获取地区液化天然气日用量数据。

具体实施时，本申请实施例在构建液化天然气需求预测模型之前，首先需要获取各个地区的液化天然气(lng)日用量数据，即每个地区每天液化天然气的消耗量，其中日用量数据具体包括日期字段ds(日期，datetime数据类型)，lng日用量字段y(用量数值变量，float数据类型)。

步骤s102，将所述地区液化天然气日用量数据输入预设时间序列算法进行拟合，以建立时间序列模型。

具体实施时，本申请实施例采用prophet算法进行液化天然气需求时间序列模型的构建，prophet算法主要是用日常观测数据分析时间序列，prophet整体框架包括如下四个部分：modeling、forecastevaluation、surfaceproblems以及visuallyinspectforecasts。从整体上看，这是一个循环结构，而这个结构又可以分为分析师操纵部分(modeling+visuallyinspectforecasts)与自动化部分(forecastevaluation+surfaceproblems)，因此，整个过程就是分析师与自动化过程相结合的循环体系，也是一种将问题背景知识与统计分析融合起来的过程，这种结合大大的增加了模型的适用范围，提高了模型的准确性。按照上述的四个部分，prophet算法的预测过程为：1)modeling：建立时间序列模型，根据预测问题的背景选择一个合适的模型。2)forecastevaluation：模型评估。根据模型对历史数据进行仿真，在模型的参数不确定的情况下，可以进行多种尝试，并根据对应的仿真效果评估哪种模型更适合。3)surfaceproblems：呈现问题。如果尝试了多种参数后，模型的整体表现依然不理想，这个时候可以将误差较大的潜在原因呈现给分析师。4)visuallyinspectforecasts：以可视化的方式反馈整个预测结果。当问题反馈给分析师后，分析师考虑是否进一步调整和构建模型。

本申请实施例将上述得到的地区液化天然气日用量数据输入到prophet算法中进行拟合，进而得到初步的时间序列模型。

步骤s103，采用预设参数优化算法对所述时间序列模型的参数进行优化。

具体实施时，当通过拟合得到上述的时间序列模型后，需要对模型的拟合效果进行评估，以对模型的参数进行优化。具体地，可以采用l-bgfs的方式求得上述时间序列模型的各个参数的最大后验估计。l-bfgs方法解决了无约束最小化问题，例如，最小化f(x)，x＝(x1，x2，...，xn)，仅当目标函数f(x)及其梯度函数g(x)可计算时。众所周知的牛顿法需要计算目标函数的黑森州矩阵的逆。但是，逆黑森州矩阵的计算成本很高，尤其是当目标函数需要大量变量时。而l-bfgs方法通过使用来自最后m次迭代的信息来迭代地找到最小化器。对于大规模数据，上述过程极大地节省了内存存储和计算时间。

步骤s104，根据优化结果输出液化天然气需求预测模型，以根据所述液化天然气需求预测模型预测地区的液化天然气需求。

具体实施时，在通过上述预设参数优化算法完成对时间序列模型的参数进行优化之后，得到最终的液化天然气需求预测模型，根据该液化天然气需求预测模型即可以预测任一地区的液化天然气需求情况。

本申请实施例通过上述构建的液化天然气需求预测模型能够对各地区的液化天然气需求情况进行准确预测，根据预测结果可以对液化天然气的公路运输进行更科学的资源调配，进而提高了液化天然气的运输效率。

作为本申请实施例的一种优选实施方式，如图2所示，所述获取地区液化天然气日用量数据包括如下的步骤s201至步骤s203：

步骤s201，获取液化天然气公路运输轨迹数据。

具体实施时，在获取地区液化天然气日用量数据时，首先需要获取液化天然气的公路运输轨迹数据，所述公路运输轨迹数据可以包括行驶路线，车辆停靠站点、停靠时间等等。目前的液化天然气运输车辆通常都安装了定位终端，定位终端会以一定频率上传车辆位置数据，从而形成车辆的轨迹数据。

步骤s202，根据所述液化天然气公路运输轨迹数据提取地区液化天然气供需数据。

具体实施时，基于上述得到的液化天然气的公路运输轨迹数据，从中提取相应地区的液化天然气贸易数据也即液化天然气的供需数据。

步骤s203，根据所述液化天然气供需数据计算所述地区液化天然气日用量数据。

具体实施时，在得到该地区液化天然气的供需数据之后，根据该地区供需数据统计出该地区的lng日用量，包含日期字段ds(日期，datetime数据类型)和lng用量字段y(用量数值变量，float数据类型)。

作为本申请实施例的一种优选实施方式，如图3所示，所述预设时间序列算法包括多个子函数，所述将所述地区液化天然气日用量数据输入预设时间序列算法进行拟合，以建立时间序列模型包括如下的步骤s301至步骤s302：

步骤s301，将所述地区液化天然气日用量数据分别输入多个所述子函数进行拟合，以得到多个拟合结果。

具体实施时，本申请实施例采用的预设时间序列算法为prophet算法，prophet算法可以包括多个子函数，以通过多个子函数对地区液化天然气日用量数据中的不同趋势的数据分别进行拟合，进而得到多个拟合结果。

步骤s302，将多个所述拟合结果进行叠加得到所述时间序列模型。

具体实施时，本申请实施例中的多个子函数可以为三个，例如分别为g(t)、s(t)、h(t)。将多个子函数的多个拟合结果进行加和，进而得到最终的时间序列模型y(t)，如下式所示：

y(t)＝g(t)+s(t)+h(t)+∈，(1)

其中，g(t)是趋势(trend)函数，用来分析时间序列中非周期性的变化。s(t)代表周期性的变化，例如一周或一年的周期性。h(t)代表节假日等偶然一天或几天造成的影响。∈是误差项，代表其余没有考虑到的误差的影响。

作为本申请实施例的一种优选实施方式，如图4所示，所述预设时间序列算法包括趋势函数、季节函数以及节假日函数，所述将所述地区液化天然气日用量数据输入预设时间序列算法进行拟合，以建立时间序列模型包括如下的步骤s401至步骤s404：

步骤s401，将所述地区液化天然气日用量数据输入所述趋势函数，以得到第一拟合结果。

具体实施时，本申请实施例采用的预设时间序列算法为prophet算法，该算法包括三部分函数，第一个函数是趋势函数g(t)，趋势函数g(t)表示认为整个时间序列是如何增长或者变化的，以及预期未来时间里是如何增长或者变化的，通过将地区液化天然气日用量数据输入该趋势函数g(t)，进而得到趋势函数的拟合结果。具体地，趋势函数的公式通过如下方式获得：

我们将增长项g(t)定义为了一个逻辑函数：

这一个函数实际上就是类似于人口增长函数，其中c是人口容量，k是增长率，b是偏移量。显然随着时间t的增加，g(t)越趋于c，k越大，增长速度就越快。

但是如果仅使用这个模型是无法满足要求的，因为增长率可能是随着时间变化的，于是我们可以设一个changepoint用来表示增长率k变化的时间节点，当t＞sj的时候就是一个转折点。

由于出现changepoint，为了使函数是连续的，需要做些处理：

我们设c也是随时间变化的，采用c(t)表示增长的上限：

c(t)＝k

c(t)＝mt+k，(5)

于是最后可以得到趋势函数的公式为：

另外，我们也可以使用线性的增长函数：

g(t)＝(k+a(t)^τδ)+(b+a(t)^τγ)，(7)

其中，k是增长率，δ是适应率，b是偏移量参数，γ设为-sjδj目的是为了使函数连续。

步骤s402，将所述地区液化天然气日用量数据输入所述季节函数，以得到第二拟合结果。

具体实施时，prophet算法涉及的第二个函数是季节函数或者周期函数s(t)，通过将地区液化天然气日用量数据输入该季节函数s(t)，进而得到季节函数的拟合结果。具体地，由于时间序列中有可能包含多种周期类型的季节性趋势，因此，傅里叶级数可以用来近似表达这个周期属性，具体公式如下：

其中，p是时间周期，当p＝7时，刻画的是以周为周期，p＝365.25则是以年为周期。an和bn是需要学习的参数。由傅立叶级数的性质可知，n越大越能刻画变化多的周期性模式，默认使用n＝10刻画以年为单位的周期性变化，n＝3刻画以周为单位的周期性变化。

步骤s403，将所述地区液化天然气日用量数据输入所述节假日函数，以得到第三拟合结果。

具体实施时，prophet算法涉及的第三个函数是节假日函数h(t)，很多实际经验表明，节假日或者是一些大事件都会对时间序列造成很大影响，而且这些时间点往往不存在周期性。对这些点的分析是极其必要的，甚至有时候它的重要度远远超过了平常点。通过将地区液化天然气日用量数据输入该节假日函数h(t)，进而得到节假日函数的拟合结果。本申请实施例中采用的节假日函数的公式为：

z(t)＝[1(t∈d1)，…，1(t∈dl)]

z(t)表示节假日的时长，其中，鉴于每个节假日(或者某个已知的大事件)的日期与影响程度存在差异，节假日模型将不同节假日在不同时间点下的影响视作独立的模型。同时为每个模型设置了时间窗口，这主要是考虑到节假日的影响有窗口期(例如中秋节的前几天与后几天)，模型将同一个窗口期中的影响设置为相同的值。其中，dl表示窗口期中包含的时间t，k表示窗口期中的节假日对预测值的影响。

步骤s404，将所述第一拟合结果、所述第二拟合结果和所述第三拟合结果进行叠加得到所述时间序列模型。

具体实施时，将上述趋势函数、季节函数以及节假日函数的拟合结果按照如下公式进行叠加，进而得到最终的时间序列模型。

y(t)＝g(t)+s(t)+h(t)+∈。

作为本申请实施例的一种优选实施方式，如图5所示，所述根据优化结果输出液化天然气需求预测模型，以根据所述液化天然气需求预测模型预测地区的液化天然气需求之后包括如下的步骤501至步骤s503：

步骤s501，获取液化天然气需求预测请求，其中所述液化天然气需求预测请求包括地区和日期。

具体实施时，当相关部门或者人员需要对某一地区在未来一段时间或者某个时间点的的液化天然气需求进行预测时，可以发起液化天然气需求预测请求，因此首先需要获取液化天然气需求预测请求，其中该请求中包括想要预测的地区和预测的时间。

步骤s502，根据所述地区调用相应的液化天然气需求预测模型。

具体实施时，不同地区对应的液化天然气需求预测模型是不同的，因此需要根据地区调用相应的液化天然气需求预测模型，以对该地区的液化天然气需求进行预测。

步骤s503，将所述日期输入所述液化天然气需求预测模型，以输出所述地区在所述日期的液化天然气需求量。

具体实施时，需求预测模型与日期相关，将需要预测的日期输入该模型即可以预测出该日期的液化天然气需求量。具体地，预测结果中包括日期ds、液化天然气需求量yhat、液化天然气需求量下限yhat_lower、液化天然气需求量上限yhat_upper，即给出了液化天然气需求预测结果变动的置信区间。

如图6所示，是本申请实施例的液化天然气需求预测模型的拟合结果示意图，其中，黑色点代表真实数据的lng用量，实线代表预测结果拟合的线，阴影区域代表为预测上下界限给出的置信区间。

如图7所示，是本申请实施例的液化天然气需求预测结果中的趋势效应、周效应和年度效应示意图。

从以上的描述中，可以看出，本发明实现了如下技术效果：采用获取地区液化天然气日用量数据；将所述地区液化天然气日用量数据输入预设时间序列算法进行拟合，以建立时间序列模型；采用预设参数优化算法对所述时间序列模型的参数进行优化的方式，通过根据优化结果输出液化天然气需求预测模型，达到了根据液化天然气需求预测模型准确预测地区的液化天然气需求的目的，从而可以更科学的调配资源，助力天然气保供，提升液化天然气的运输效率，速效弥补因管道覆盖不足、管网互联互通程度有限以及建设进展缓慢对天然气发展的制约。

需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

根据本发明实施例，还提供了一种用于实施上述液化天然气需求预测方法的装置，如图8所示，该装置包括：第一获取模块1、输入模块2、优化模块3和输出模块4。本申请实施例的第一获取模块1，用于获取地区液化天然气日用量数据；本申请实施例的输入模块2，用于将所述地区液化天然气日用量数据输入预设时间序列算法进行拟合，以建立时间序列模型；本申请实施例的优化模块3，用于采用预设参数优化算法对所述时间序列模型的参数进行优化；本申请实施例的输出模块4，用于根据优化结果输出液化天然气需求预测模型，以根据所述液化天然气需求预测模型预测地区的液化天然气需求。

作为本申请实施例的一种优选实施方式，所述第一获取模块包括：获取单元，用于获取液化天然气公路运输轨迹数据；提取单元，用于根据所述液化天然气公路运输轨迹数据提取地区液化天然气供需数据；计算单元，用于根据所述液化天然气供需数据计算所述地区液化天然气日用量数据。

作为本申请实施例的一种优选实施方式，所述所述预设时间序列算法包括多个子函数，所述输入模块包括：第一输入单元，用于将所述地区液化天然气日用量数据分别输入多个所述子函数进行拟合，以得到多个拟合结果；第一叠加单元，用于将多个所述拟合结果进行叠加得到所述时间序列模型。

作为本申请实施例的一种优选实施方式，所述预设时间序列算法包括趋势函数、季节函数以及节假日函数，所述输入模块包括：第二输入单元，用于将所述地区液化天然气日用量数据输入所述趋势函数，以得到第一拟合结果；第三输入单元，用于将所述地区液化天然气日用量数据输入所述季节函数，以得到第二拟合结果；第四输入单元，用于将所述地区液化天然气日用量数据输入所述节假日函数，以得到第三拟合结果；第二叠加单元，用于将所述第一拟合结果、所述第二拟合结果和所述第三拟合结果进行叠加得到所述时间序列模型。

作为本申请实施例的一种优选实施方式，所述装置还包括：第二获取模块，用于获取液化天然气需求预测请求，其中所述液化天然气需求预测请求包括地区和日期；调用模块，用于根据所述地区调用相应的液化天然气需求预测模型；预测模块，用于将所述日期输入所述液化天然气需求预测模型，以输出所述地区在所述日期的液化天然气需求量。

上述各模块及各单元之间的具体连接关系及所发挥的功能请参照方法部分的具体描述，在此不做赘述。

根据本发明实施例，还提供了一种计算机设备，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；当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如前所述的方法。

根据本发明实施例，还提供了一种计算机可读存储介质，其上存储有计算机指令，所述指令被处理器执行时实现如前所述方法的步骤。

如图9所示，该电子设备包括一个或多个处理器31以及存储器32，图9中以一个处理器31为例。

控制单元还可以包括：输入装置33和输出装置34。

处理器31、存储器32、输入装置33和输出装置34可以通过总线或者其他方式连接，图9中以通过总线连接为例。

处理器31可以为中央处理器(centralprocessingunit，cpu)。处理器31还可以为其他通用处理器、数字信号处理器(digitalsignalprocessor，dsp)、专用集成电路(applicationspecificintegratedcircuit，asic)、现场可编程门阵列(field-programmablegatearray，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等芯片，或者上述各类芯片的组合。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

存储器32作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块。处理器31通过运行存储在存储器32中的非暂态软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例的液化天然气需求预测方法。

存储器32可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据服务器操作的处理装置的使用所创建的数据等。此外，存储器32可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中，存储器32可选包括相对于处理器31远程设置的存储器，这些远程存储器可以通过网络连接至网络连接装置。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

输入装置33可接收输入的数字或字符信息，以及产生与服务器的处理装置的用户设置以及功能控制有关的键信号输入。输出装置34可包括显示屏等显示设备。

一个或者多个模块存储在存储器32中，当被一个或者多个处理器31执行时，执行如前所述的方法。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。计算机指令用于使所述计算机执行上述液化天然气需求预测方法。

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。

最后，本发明中应用了具体实施例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。