时间序列预测方法、装置、电子设备及存储介质与流程

本申请涉及计算机，尤其涉及一种时间序列预测方法、装置、电子设备及存储介质。

背景技术：

1、数据中心的基础设施需要持续监控以确保稳定可靠的运行，时间序列预测在数据中心的智能运维中起着不可或缺的作用，改善时间序列的预测精度一直是研究热点。

技术实现思路

1、本申请的多个方面提供一种时间序列预测方法、装置、电子设备及存储介质，用以提高时间序列的预测精度。

2、本申请实施例提供一种时间序列预测方法，包括：将初始图结构和多个变量的历史时间序列输入图神经网络，以由图神经网络进行多因素分析的图学习，得到第一图结构，其中，第一图结构中的节点表征变量，第一图结构中的边表征对应的变量之间的关联关系；将多个变量的历史时间序列和第一图结构输入时序预测网络，以由时序预测网络进行时序预测，得到多个变量的未来时间序列。

3、本申请实施例还提供一种时间序列预测装置，包括：图学习模块，用于将初始图结构和多个变量的历史时间序列输入图神经网络，以由图神经网络进行多因素分析的图学习，得到第一图结构，其中，第一图结构中的节点表征变量，第一图结构中的边表征对应的变量之间的关联关系；时序预测模块，用于将多个变量的历史时间序列和第一图结构输入时序预测网络，以由时序预测网络进行时序预测，得到多个变量的未来时间序列。

4、本申请实施例还提供一种电子设备，包括：存储器和处理器；存储器，用于存储计算机程序；处理器耦合至存储器，用于执行计算机程序以用于执行时间序列预测方法中的步骤。

5、本申请实施例还提供一种存储有计算机程序的计算机可读存储介质，当计算机程序被处理器执行时，致使处理器能够实现时间序列预测方法中的步骤。

6、在本申请实施例中，一方面由图神经网络进行多因素分析的图学习，极大地挖掘变量之间的关联关系，学习到更为丰富和更加符合真实情况的图结构，另一方面，由时序预测网络结合多个变量的历史时间序列和学习到的图结构等时空信息预测多个变量的未来时间序列，由此，有效提升了基于图结构进行时序预测的预测精度，特别是在数据中心运维场景中，能够有效提升数据中心所需监控的各种性能指标的预测精度。

技术特征：

1.一种时间序列预测方法，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，所述图神经网络包括依次连接的多个图神经网络模块；

3.根据权利要求1所述的方法，其特征在于，所述时序预测网络包括依次连接的多个预测网络模块；

4.根据权利要求3所述的方法，其特征在于，将所述多个变量的历史时间序列和所述第一图结构输入第一个预测网络模块，得到所述第一个预测网络模块输出的时序特征，包括：将所述多个变量的历史时间序列和所述第一图结构输入所述第一个预测网络模块中的扩张因果卷积层，以进行特征提取，得到第一时序特征；

5.根据权利要求3所述的方法，其特征在于，若下一个预测网络模块包括扩张因果卷积层和注意力层；

6.根据权利要求4所述的方法，其特征在于，所述第一个预测网络模块中的注意力层包括多个注意力单元；

7.根据权利要求1至6任一项所述的方法，其特征在于，将所述多个变量的历史时间序列和所述第一图结构输入时序预测网络，以由所述时序预测网络进行时序预测，得到所述多个变量的未来时间序列，包括：

8.根据权利要求7所述的方法，其特征在于，将所述第一图结构和所述第二图结构进行融合处理，得到第三图结构，包括：

9.一种时间序列预测装置，其特征在于，包括：

10.一种电子设备，其特征在于，包括：存储器和处理器；所述存储器，用于存储计算机程序；所述处理器耦合至所述存储器，用于执行所述计算机程序以用于执行权利要求1-8任一项所述方法中的步骤。

11.一种存储有计算机程序的计算机可读存储介质，其特征在于，当所述计算机程序被处理器执行时，致使所述处理器能够实现权利要求1-8任一项所述方法中的步骤。

技术总结
本申请实施例一种时间序列预测方法、装置、电子设备及存储介质，在本申请实施例中，一方面由图神经网络进行多因素分析的图学习，极大地挖掘变量之间的关联关系，学习到更为丰富和更加符合真实情况的图结构，另一方面，由时序预测网络结合多个变量的历史时间序列和学习到的图结构等时空信息预测多个变量的未来时间序列，由此，有效提升了基于图结构进行时序预测的预测精度，特别是在数据中心运维场景中，能够有效提升数据中心所需监控的各种性能指标的预测精度。

技术研发人员：沈芳,王加龙
受保护的技术使用者：杭州阿里云飞天信息技术有限公司
技术研发日：
技术公布日：2024/1/15