一种基于融合模型的动态数据预测方法及系统与流程

本发明涉及数据处理领域，尤其涉及一种基于融合模型的动态数据预测方法及系统。

背景技术：

1、动态数据是一种随时间发生变化的数据，由于动态数据随时间变化的特性，导致动态数据变化的规律难以获取。因此，现有技术中基于动态数据的状态预测较为困难，且现有的预测方法对于动态数据的状态预测准确性较低。

2、因此，在现有技术中基于动态数据的状态预测较为困难，现有的预测方法对于动态数据的状态预测准确性较低的技术问题。

技术实现思路

1、本申请通过提供一种基于融合模型的动态数据预测方法及系统，解决了在现有技术中基于动态数据的状态预测较为困难，现有的预测方法对于动态数据的状态预测准确性较低的技术问题。

2、本申请提供一种基于融合模型的动态数据预测方法，应用于一种基于融合模型的动态数据预测系统，所述系统包括状态预测模型，所述状态预测模型包括时序拟合通道和状态映射通道，包括：接收用户端的动态预测任务，其中，所述动态预测任务包括预测对象和预测指标；对所述预测指标进行转移因子拟合，生成转移影响因子，其中，所述转移影响因子为所述预测对象可直接测定的底层状态量，所述预测指标为所述预测对象需要对底层状态量进行映射的上层状态量；根据所述转移影响因子对所述预测对象进行状态传感，获取因子实时状态特征；根据所述转移影响因子对所述预测对象进行状态回溯，获取因子历史状态特征和指标历史状态特征；根据所述因子历史状态特征和所述因子实时状态特征进行分散性评价，获取状态分散系数；当所述状态分散系数大于或等于分散系数阈值，切换状态映射通道对所述因子实时状态特征进行映射，生成指标预测状态；当所述状态分散系数小于所述分散系数阈值，切换时序拟合通道对所述因子实时状态特征和所述指标历史状态特征进行拟合，生成指标预测状态。

3、本申请还提供了一种基于融合模型的动态数据预测系统，所述系统包括状态预测模型，所述状态预测模型包括时序拟合通道和状态映射通道，包括：预测任务获取模块，用于接收用户端的动态预测任务，其中，所述动态预测任务包括预测对象和预测指标；影响因子获取模块，用于对所述预测指标进行转移因子拟合，生成转移影响因子，其中，所述转移影响因子为所述预测对象可直接测定的底层状态量，所述预测指标为所述预测对象需要对底层状态量进行映射的上层状态量；状态特征获取模块，用于根据所述转移影响因子对所述预测对象进行状态传感，获取因子实时状态特征；状态回溯模块，用于根据所述转移影响因子对所述预测对象进行状态回溯，获取因子历史状态特征和指标历史状态特征；分散系数获取模块，用于根据所述因子历史状态特征和所述因子实时状态特征进行分散性评价，获取状态分散系数；指标预测模块，用于当所述状态分散系数大于或等于分散系数阈值，切换状态映射通道对所述因子实时状态特征进行映射，生成指标预测状态；指标预测模块，还用于当所述状态分散系数小于所述分散系数阈值，切换时序拟合通道对所述因子实时状态特征和所述指标历史状态特征进行拟合，生成指标预测状态。

4、本申请还提供了一种电子设备，包括：

5、存储器，用于存储可执行指令；

6、处理器，用于执行所述存储器中存储的可执行指令时，实现本申请提供的一种基于融合模型的动态数据预测方法。

7、本申请提供一种计算机可读存储介质，存储有计算机程序，该程序被处理器执行时，实现本申请提供的一种基于融合模型的动态数据预测方法。

8、拟通过本申请提出的一种基于融合模型的动态数据预测方法及系统，通过接收用户端的动态预测任务，对预测指标进行转移因子拟合，生成转移影响因子。根据转移影响因子对预测对象进行状态传感，获取因子实时状态特征，获取状态分散系数。当状态分散系数大于或等于分散系数阈值，切换状态映射通道对因子实时状态特征进行映射，生成指标预测状态。当状态分散系数小于分散系数阈值，切换时序拟合通道对因子实时状态特征和指标历史状态特征进行拟合，生成指标预测状态。通过对动态数据进行分析，根据分析结果对动态数据切换不同的处理方式，进而实现准确率较高的预测。解决了现有技术中基于动态数据的状态预测较为困难，现有的预测方法对于动态数据的状态预测准确性较低的技术问题。

9、上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。

技术特征：

1.一种基于融合模型的动态数据预测方法，其特征在于，应用于一种基于融合模型的动态数据预测系统，所述系统包括状态预测模型，所述状态预测模型包括时序拟合通道和状态映射通道，包括：

2.如权利要求1所述的方法，其特征在于，对所述预测指标进行转移因子拟合，生成转移影响因子，包括：

3.如权利要求2所述的方法，其特征在于，对所述预测指标回溯数据和所述底层因子回溯数据进行关联性分析，生成所述转移影响因子，包括：

4.如权利要求1所述的方法，其特征在于，根据所述因子历史状态特征和所述因子实时状态特征进行分散性评价，获取状态分散系数，包括：

5.如权利要求1所述的方法，其特征在于，当所述状态分散系数大于或等于分散系数阈值，切换状态映射通道对所述因子实时状态特征进行映射，生成指标预测状态，包括：

6.如权利要求1所述的方法，其特征在于，当所述状态分散系数小于所述分散系数阈值，切换时序拟合通道对所述因子实时状态特征和所述指标历史状态特征进行拟合，生成指标预测状态，包括：

7.如权利要求6所述的方法，其特征在于，基于所述因子实时状态特征，激活所述时序拟合通道的第一拟合节点，之前包括：

8.一种基于融合模型的动态数据预测系统，其特征在于，所述系统包括状态预测模型，所述状态预测模型包括时序拟合通道和状态映射通道，包括：

9.一种电子设备，其特征在于，所述电子设备包括：

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，该程序被处理器执行时实现如权利要求1-7中任一所述的一种基于融合模型的动态数据预测方法。

技术总结
本发明公开了一种基于融合模型的动态数据预测方法及系统，应用于数据处理技术领域，该方法包括：通过接收用户端的动态预测任务，对预测指标进行转移因子拟合，生成转移影响因子。根据转移影响因子对预测对象进行状态传感，获取因子实时状态特征，获取状态分散系数。当状态分散系数大于或等于分散系数阈值，切换状态映射通道对因子实时状态特征进行映射，生成指标预测状态。当状态分散系数小于分散系数阈值，切换时序拟合通道对因子实时状态特征和指标历史状态特征进行拟合，生成指标预测状态。解决了现有技术中基于动态数据的状态预测较为困难，现有的预测方法对于动态数据的状态预测准确性较低的技术问题。

技术研发人员：洪忻,闫艳,袁元,周海茸,王巍巍,沈思鹏
受保护的技术使用者：南京市疾病预防控制中心
技术研发日：
技术公布日：2024/2/6