基于线性回归和决策树结合的油价预测方法、装置及设备与流程

本申请涉及数据处理，尤其涉及一种基于线性回归和决策树结合的油价预测方法、装置及设备。

背景技术：

1、目前已经在运用的预测调价油价的方法，是通过单一的时间维度的价格调整数据，其预测的本质基本都是围绕单一维度数：调价价格。这一时序数据本身的周期性，趋势性等特性来进行预测。

2、这种传统方式是有很大局限性的。首先决定调整价格结果的因素有很多，仅仅使用单一维度的时序数据，数据利用率很低，并且训练算法模型很难保证准确率。其次时序算法是将过去的趋势延伸到来来，因此这种方法无法预测时间序列的转折点。在这种情况下，预测人员往往需要依靠自己的知识和经验对预测结果进行修正，带来很大的不便。

技术实现思路

1、有鉴于此，本申请的目的在于提出一种基于线性回归和决策树结合的油价预测方法、装置及设备以解决或部分解决上述技术问题。

2、基于上述目的，本申请的第一方面提供了一种基于线性回归和决策树结合的油价预测方法，包括：

3、获取预定时间段内的油价历史数据；

4、根据所述油价历史数据确定线性回归训练样本；

5、将所述线性回归训练样本输入至预先构建的初始线性回归模型中进行训练分析；

6、根据初始线性回归模型训练分析的训练结果，与油价历史数据中对应的实际油价结果进行对比分析，进而根据对比分析结果对所述初始线性回归模型的特征参数进行校正调整，将最终校正调整后的初始线性回归模型作为线性回归模型；

7、利用油价历史数据进行训练过程中产生油价历史回测数据，记录初始线性回归模型训练过程中训练结果与实际邮件结果的残差，得到历史回测数据对应的残差数据；

8、根据所述历史回测数据对应的残差数据构建决策树模型；

9、获取待预测油价数据，将所述待预测油价数据输入至所述线性回归模型进行预测处理，得到第一预测油价值；

10、利用所述决策树模型确定与所述待预测油价数据对应的残差预测值；

11、将所述第一预测油价值与所述残差预测值进行差值运算得到最终的预测油价值。

12、基于同一个构思，本申请的第二方面提出了一种基于线性回归和决策树结合的油价预测装置，包括：

13、历史数据获取模块，被配置为获取预定时间段内的油价历史数据；

14、线性回归样本确定模块，被配置为根据所述油价历史数据确定线性回归训练样本；

15、线性回归训练模块，被配置为将所述线性回归训练样本输入至预先构建的初始线性回归模型中进行训练分析；

16、线性回归模型确定模块34，被配置为根据初始线性回归模型训练分析的训练结果，与油价历史数据中对应的实际油价结果进行对比分析，进而根据对比分析结果对所述初始线性回归模型的特征参数进行校正调整，将最终校正调整后的初始线性回归模型作为线性回归模型；

17、残差数据确定模块，被配置为利用油价历史数据进行训练过程中产生油价历史回测数据，记录初始线性回归模型训练过程中训练结果与实际油价结果的残差，得到历史回测数据对应的残差数据；

18、决策树构建模块，被配置为根据所述历史回测数据对应的残差数据构建决策树模型；

19、线性回归预测模块，被配置为获取待预测油价数据，将所述待预测油价数据输入至所述线性回归模型进行预测处理，得到第一预测油价值；

20、残差值预测模块，被配置为利用所述决策树模型确定与所述待预测油价数据对应的残差预测值；

21、油价预测模块，被配置为将所述第一预测油价值与所述残差预测值进行差值运算得到最终的预测油价值。

22、基于同一个构思，本申请的第三方面提出了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现第一方面所述的方法。

23、基于同一个构思，本申请的第四方面提出了一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令用于使计算机执行第一方面所述的方法。

24、从上面所述可以看出，本申请提供的基于线性回归和决策树结合的油价预测方法、装置及设备，将线性回归模型和决策树模型进行结合进行油价预测，能够使得油价预测结果的误差得到有效的降低，并且对于油价连续上升期或者下降期，利用决策树模型能够很好的起到修复误差的作用，进而使得油价预测结果的准确性得到有效的提高。

技术特征：

1.一种基于线性回归和决策树结合的油价预测方法，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，所述根据所述油价历史数据确定线性回归训练样本，包括：

3.根据权利要求1所述的方法，其特征在于，所述根据所述油价历史数据确定线性回归训练样本，包括：

4.根据权利要求1所述的方法，其特征在于，根据所述油价历史数据确定线性回归训练样本，包括：

5.根据权利要求1所述的方法，其特征在于，所述根据所述历史回测数据对应的残差数据构建决策树模型，包括：

6.根据权利要求5所述的方法，其特征在于，所述将所述历史回测数据对应的残差数据确定对应的特征值，作为决策训练样本输入决策训练算法，进行决策训练处理得到决策训练处理结果，包括：

7.根据权利要求5或6所述的方法，其特征在于，所述根据决策训练处理结果确定各个特征值的重要性程度，包括：

8.一种基于线性回归和决策树结合的油价预测装置，其特征在于，包括：

9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7任意一项所述的方法。

10.一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，其特征在于，所述计算机指令用于使计算机执行如权利要求1至7任意一项所述的方法。

技术总结
本申请提供一种基于线性回归和决策树结合的油价预测方法、装置及设备。其中，方法包括：训练好线性回归模型，以及构建决策树模型，这样对于待预测油价数据可以将线性回归模型和决策树模型进行结合进行油价预测，能够使得油价预测结果的误差得到有效的降低，并且对于油价连续上升期或者下降期，利用决策树模型能够很好的起到修复误差的作用，进而使得油价预测结果的准确性得到有效的提高。

技术研发人员：冀征
受保护的技术使用者：北京易油互联科技有限公司
技术研发日：
技术公布日：2024/1/13