-
公开(公告)号：CN114971057B
公开(公告)日：2025-03-28
申请号：CN202210647255.1
申请日：2022-06-09
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书实施例提供一种预测时间序列的模型选择方法及装置，在对业务主体的预定业务指标预测相应的时间序列之前，可以从预先训练的多个备选预测模型中选择较优的预测模型。在预测模型选择过程中：一方面利用全局时间序列数据，提取全局时序特征来描述当前业务主体在预定业务指标上的长期业务规律，得到对各个备选预测模型的第一评价结果；另一方面利用短期的局部时间序列数据，提取局部时序特征来描述当前业务主体在预定业务指标上的短期业务状态，得到对各个备选预测模型的第二评价结果。进一步地，将第一评价结果和第二评价结果进行融合，以选出较优的预测模型进行时序预测。这种方式可以提高时间序列预测的准确度。
-
公开(公告)号：CN114970359B
公开(公告)日：2024-05-31
申请号：CN202210629028.6
申请日：2022-06-06
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F30/27 , G06F119/02
Abstract: 本说明书实施例提供了一种建立时间序列预测模型的方法、时间序列预测方法和装置。根据该实施例的方法，首先将第i个时间序列输入时间序列预测模型，所述时间序列包括连续n个时间点的指标值，所述时间序列中包含指标极值信息，所述n为大于1的正整数；然后获取所述时间序列预测模型依据所述第i个时间序列及其之前的历史时间序列预测得到的所述第i个时间序列之后τ个时间点的指标值，所述τ为预设的正整数；其中，所述时间序列预测模型基于记忆网络预先训练得到。
-
公开(公告)号：CN114970359A
公开(公告)日：2022-08-30
申请号：CN202210629028.6
申请日：2022-06-06
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F30/27 , G06F119/02
Abstract: 本说明书实施例提供了一种建立时间序列预测模型的方法、时间序列预测方法和装置。根据该实施例的方法，首先将第i个时间序列输入时间序列预测模型，所述时间序列包括连续n个时间点的指标值，所述时间序列中包含指标极值信息，所述n为大于1的正整数；然后获取所述时间序列预测模型依据所述第i个时间序列及其之前的历史时间序列预测得到的所述第i个时间序列之后τ个时间点的指标值，所述τ为预设的正整数；其中，所述时间序列预测模型基于记忆网络预先训练得到。
-
公开(公告)号：CN114881354B
公开(公告)日：2025-01-24
申请号：CN202210605502.1
申请日：2022-05-31
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F18/20 , G06F18/25 , G06N3/0464 , G06N3/0455 , G06N3/044 , G06N3/084 , G06Q10/04 , G06Q40/06 , G06F16/2458 , G06F123/02
Abstract: 本说明书实施例提供一种预测多元时间序列的方法及装置，针对各个业务主体的历史时间序列，一方面进行时序编码，另一方面进行周期编码，从而从时序和周期两方面挖掘数据之间的关联性。在时序预测过程中，将时序编码、周期编码两方面的数据融合解码，得到相应的解码张量，并将解码张量与时序特征张量一起用于预测多元时间序列。该方式能够自适应地挖掘时序、周期之间的关联关系，更灵活地提供更准确的时序预测结果。
-
公开(公告)号：CN115048992A
公开(公告)日：2022-09-13
申请号：CN202210630555.9
申请日：2022-06-06
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06K9/62
Abstract: 本说明书实施例提供了一种建立时间序列预测模型的方法、时间序列预测方法和装置。根据该实施例的方法，首先从历史时间序列获取训练数据，所述训练数据包括连续n个时间点的指标值，所述n为大于1的正整数；然后利用所述训练数据训练状态空间模型，得到时间序列预测模型；其中，依时间顺序将各时间点分别作为第ts个时间点执行：将第ts个时间点的指标值输入所述状态空间模型，由所述状态空间模型依据所述第ts个时间点及其之前各时间点的指标值预测所述第ts个时间点之后τ个时间点的指标值，所述τ为预设的正整数；训练目标包括最小化预测的指标值与训练数据中对应指标值的差异；其中，在所述预测中将待预测时间点之前各时间点的隐状态表示进行注意力机制的处理来得到所述待预测时间点的隐状态表示。
-
Patent Agency Ranking
公开(公告)号：CN115034461B
公开(公告)日：2025-02-18
申请号：CN202210621721.9
申请日：2022-06-02
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书实施例提供一种针对分层业务的时间序列预测方法及装置，用于预测单个业务在多阶层次上的业务主体的业务量构成的时间序列，其中，单个层次对应至少一个业务主体。根据一个实施方式，在获取多个层次中各个业务主体一一对应的各个历史时间序列后，可以对各个历史时间序列进行编码，得到相应的各个编码向量，然后构建各个编码向量满足的联合概率分布，进一步对各个业务主体分别按照联合概率分布进行采样得到的采样序列，确定分别针对各个业务主体的各个预测序列。该方式可以提高预测结果的准确性。
-
公开(公告)号：CN118839128A
公开(公告)日：2024-10-25
申请号：CN202410942658.8
申请日：2024-07-12
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F18/20 , G06F18/213 , G06F18/25 , G06Q10/04 , G06Q30/0202 , G06Q40/06 , G06F123/02
Abstract: 本说明书提供一种时间序列预测方法及系统，能够在宏观时间序列的基础上结合用户级别的微观用户特征进行时间序列预测。本说明书提供的时间序列预测方法及系统充分结合了宏观和微观多个层面的数据信息，能够提升预测的准确性。
-
公开(公告)号：CN118312321A
公开(公告)日：2024-07-09
申请号：CN202410517268.6
申请日：2024-04-26
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F9/50
Abstract: 本说明书提供一种资源调控方法、系统、电子设备及存储介质。该方法用于在每一轮资源调控过程中，根据决策模型输出的资源调控策略对目标集群进行资源调控；其中，任一轮资源调控的过程，可以包括：获取在上一轮资源调控过程中利用负载变化预测算法对目标集群进行预测得到的上一轮预测负载信息，以及确定目标集群的当前实际负载信息；根据当前实际负载信息和上一轮预测负载信息之间的差异对决策模型进行参数调节；基于当前实际负载信息，通过负载变化预测算法对目标集群进行预测以生成本轮预测负载信息；将针对目标集群的目标性能指标的控制要求与本轮预测负载信息输入经参数调节后的决策模型，使经参数调节后的决策模型输出目标资源调控策略。
-
公开(公告)号：CN115098247A
公开(公告)日：2022-09-23
申请号：CN202210629029.0
申请日：2022-06-06
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书实施例提供了一种资源分配方法和装置。根据该实施例的方法，首先获取各应用服务的流量时间序列，所述流量时间序列包括连续多个时间点的流量数据；然后对各应用服务的流量时间序列进行聚类，得到一个以上的分组；再分别针对各分组确定容量伸缩策略，所述容量伸缩策略用于分组对应的应用服务的容量资源分配。
-
公开(公告)号：CN115034462B
公开(公告)日：2025-02-18
申请号：CN202210623040.6
申请日：2022-06-02
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书实施例提供一种针对分层业务的时间序列预测方法及装置，用于预测单个业务在多阶层次上的业务主体的业务量构成的时间序列，其中，单个层次对应至少一个业务主体。根据一个实施方式，在获取多个层次中各个业务主体一一对应的各个历史时间序列后，可以对各个历史时间序列进行编码，得到相应的各个编码向量，然后构建各个编码向量满足的多元高斯分布，并将多元高斯分布转换为非参数化复杂分布，进一步按照分参数化复杂分布进行采样得到的采样序列，确定分别针对各个业务主体的各个预测序列。该方式可以提高预测结果的准确性。
-
-
-
-
-
-
-
-
-
Search Results
16
records
(took 0.026 seconds)
