技术特征：
1.一种指标预测方法，包括：获取待预测的目标指标序列，所述目标指标序列包括预设服务在m个时间点的m个指标值，并确定所述目标指标序列中各个指标值对应的协变量和位置向量；以及获取与所述目标指标序列所属指标对应的目标权重向量；所述目标权重向量由预设的预训练模型从属于该指标的历史指标序列中学习得到；任一指标对应的权重向量用于表征该指标在时序上的变化特点；利用预先训练好的指标预测模型，对携带有各个指标值对应的协变量和位置向量的目标指标序列和所述目标权重向量进行处理，获取在未来的n个时间点的n个预测指标值；其中，m、n为大于1的整数。2.根据权利要求1所述的方法，所述协变量包括时间协变量和周期协变量；所述时间协变量用于指示所述指标值的产生时刻，所述周期协变量用于指示所述指标值所属的至少一个统计周期。3.根据权利要求1所述的方法，所述目标指标序列还包括未来的n个时间点的n个初始指标值、且n个初始指标值为0；所述获取在未来的n个时间点的n个预测指标值，包括：获取所述指标预测模型同步输出的所述未来的n个时间点的n个预测指标值。4.根据权利要求1所述的方法，输入所述指标预测模型的输入数据为所述携带有各个指标值对应的协变量和位置向量的目标指标序列和所述目标权重向量相乘的结果；其中，携带有各个指标值对应的协变量和位置向量的目标指标序列和所述目标权重向量的维度相同。5.根据权利要求4所述的方法，在所述获取与所述目标指标序列所属指标对应的目标权重向量之后，还包括：若所述目标权重向量的维度与所述携带有各个指标值对应的协变量和位置向量的目标指标序列的维度不同，使用多层感知机对所述目标权重向量进行降维处理或升维处理，以使得两者的维度相同。6.根据权利要求1至5任意一项所述的方法，所述指标预测模型的训练过程包括：获取若干属于不同指标的训练样本，所述训练样本包括携带有各个历史指标值对应的协变量和位置向量的历史指标序列和对应的权重向量，所述历史指标序列包括m+n个历史指标值，不同指标的权重向量由预设的预训练模型从属于不同指标的历史指标序列中学习得到；针对于所述若干属于不同指标的训练样本循环执行下述过程，直到满足循环结束条件：将各个所述历史指标序列中的最后n个历史指标值进行掩膜处理，将掩膜处理后的训练样本输入当前指标预测模型中进行指标预测，获得n个预测指标值；在所述循环结束条件未被满足时，根据所述n个历史指标值和所述n个预测指标值之间的差异调整所述当前指标预测模型的模型参数，以得到调整后的当前指标预测模型；其中，所述调整后的当前指标预测模型作为下一循环过程的当前指标预测模型。7.根据权利要求1至5任意一项所述的方法，所述指标预测模型包括transformer模型。8.根据权利要求1至5任意一项所述的方法，所述预训练模型的训练过程包括：获取属于不同指标的若干历史指标序列；
针对于所述若干历史指标序列循环执行下述过程，直到满足循环结束条件：将所述历史指标序列中随机的至少一个历史指标值进行掩膜处理，并将掩膜处理后的历史指标序列输入当前预训练模型中进行指标预测，获得至少一个预测指标值；在所述循环结束条件未被满足时，根据所述至少一个历史指标值和所述至少一个预测指标值之间的差异调整当前预训练模型的模型参数，以得到调整后的当前预训练模型；其中，所述调整后的当前预训练模型作为下一循环过程的当前预训练模型。9.根据权利要求8所述的方法，还包括：利用训练好的所述预训练模型对不同指标对应的历史指标序列进行特征提取，获取不同指标对应的权重向量，并存储在权重向量表中；其中，所述目标权重向量根据所述目标指标序列所属指标从所述权重向量表中获取。10.一种指标预测装置，包括：输入数据获取模块，用于获取待预测的目标指标序列，所述目标指标序列包括预设服务在m个时间点的m个指标值，并确定所述目标指标序列中各个指标值对应的协变量和位置向量；所述输入数据获取模块，还用于获取与所述目标指标序列所属指标对应的目标权重向量；所述目标权重向量由预设的预训练模型从属于该指标的历史指标序列中学习得到；任一指标对应的权重向量用于表征该指标在时序上的变化特点；指标预测模块，用于利用预先训练好的指标预测模型，对携带有各个指标值对应的协变量和位置向量的目标指标序列和所述目标权重向量进行处理，获取在未来的n个时间点的n个预测指标值；其中，m、n为大于1的整数。11.一种电子设备，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器通过运行所述可执行指令以实现如权利要求1至9中任一项所述的方法。12.一种计算机可读存储介质，其上存储有计算机指令，该指令被处理器执行时实现如权利要求1至9中任一项所述方法的步骤。
技术总结
本说明书一个或多个实施例提供一种指标预测方法、装置、电子设备及存储介质。所述方法包括：获取目标指标序列，目标指标序列包括预设服务在M个时间点的M个指标值；获取与目标指标序列所属指标对应的目标权重向量；任一指标对应的权重向量用于表征该指标在时序上的变化特点；利用预先训练好的指标预测模型，对携带有各个指标值对应的协变量和位置向量的目标指标序列和目标权重向量进行处理，获取在未来的N个时间点的N个预测指标值；其中，M、N为大于1的整数。本实施例实现基于不同指标对应的权重向量，通过一个指标预测模型对属于不同指标的指标序列进行预测。标的指标序列进行预测。标的指标序列进行预测。
技术研发人员：廖聪 刘若兰 余航 李建国
受保护的技术使用者：支付宝（杭州）信息技术有限公司
技术研发日：2022.09.30
技术公布日：2022/12/26