本技術(shù)涉及人工智能領(lǐng)域，具體而言，涉及一種時(shí)序預(yù)測模型的生成方法、數(shù)據(jù)處理方法及裝置。

背景技術(shù)：

1、隨著深度學(xué)習(xí)技術(shù)的飛速發(fā)展，時(shí)序預(yù)測模型作為深度學(xué)習(xí)技術(shù)的重要分支，已經(jīng)在工業(yè)離散制造、零售銷量預(yù)測、電力負(fù)荷預(yù)測等多個(gè)領(lǐng)域中獲得了廣泛應(yīng)用。然而，現(xiàn)有的時(shí)序預(yù)測模型并未結(jié)合協(xié)變量信息，導(dǎo)致時(shí)序數(shù)據(jù)預(yù)測準(zhǔn)確性比較低。

2、針對(duì)上述的問題，目前尚未提出有效的解決方案。

技術(shù)實(shí)現(xiàn)思路

1、本技術(shù)實(shí)施例提供了一種時(shí)序預(yù)測模型的生成方法、數(shù)據(jù)處理方法及裝置，以至少解決相關(guān)技術(shù)中時(shí)序預(yù)測模型并未結(jié)合協(xié)變量信息，存在時(shí)序數(shù)據(jù)預(yù)測準(zhǔn)確性比較低的技術(shù)問題。

2、根據(jù)本技術(shù)實(shí)施例的一個(gè)方面，提供了一種時(shí)序預(yù)測模型的生成方法，包括：獲取預(yù)設(shè)預(yù)測任務(wù)對(duì)應(yīng)的歷史目標(biāo)變量數(shù)據(jù)和協(xié)變量數(shù)據(jù)集，其中，預(yù)設(shè)預(yù)測任務(wù)至少包括電力領(lǐng)域中的時(shí)序預(yù)測任務(wù)，歷史目標(biāo)變量數(shù)據(jù)為歷史預(yù)測時(shí)序數(shù)據(jù)，協(xié)變量數(shù)據(jù)集為與歷史目標(biāo)變量數(shù)據(jù)的預(yù)測相關(guān)的數(shù)據(jù)的集合；從協(xié)變量數(shù)據(jù)集中確定目標(biāo)協(xié)變量信息，其中，目標(biāo)協(xié)變量信息為對(duì)歷史目標(biāo)變量數(shù)據(jù)的預(yù)測有影響的信息；對(duì)歷史目標(biāo)變量數(shù)據(jù)和目標(biāo)協(xié)變量信息進(jìn)行特征嵌入和融合處理，得到融合特征向量；依據(jù)融合特征向量對(duì)預(yù)訓(xùn)練模型進(jìn)行訓(xùn)練，得到預(yù)設(shè)預(yù)測任務(wù)對(duì)應(yīng)的目標(biāo)時(shí)序預(yù)測模型。

3、進(jìn)一步地，目標(biāo)協(xié)變量信息的模態(tài)為以下至少之一：文本、數(shù)值、枚舉，從協(xié)變量數(shù)據(jù)集中確定目標(biāo)協(xié)變量信息包括：若目標(biāo)協(xié)變量信息的模態(tài)為數(shù)值，則分別計(jì)算協(xié)變量數(shù)據(jù)集中的時(shí)序協(xié)變量數(shù)據(jù)與歷史目標(biāo)變量數(shù)據(jù)之間的相關(guān)性系數(shù)，得到計(jì)算結(jié)果；基于計(jì)算結(jié)果，從時(shí)序協(xié)變量數(shù)據(jù)中確定目標(biāo)協(xié)變量信息。

4、進(jìn)一步地，從協(xié)變量數(shù)據(jù)集中確定目標(biāo)協(xié)變量信息包括：若目標(biāo)協(xié)變量信息的模態(tài)為文本和/或枚舉，則基于歷史目標(biāo)變量數(shù)據(jù)對(duì)協(xié)變量數(shù)據(jù)集中的時(shí)間戳信息和事件信息進(jìn)行偏離度分析，得到分析結(jié)果；基于分析結(jié)果，從時(shí)間戳信息和事件信息中確定目標(biāo)協(xié)變量信息。

5、進(jìn)一步地，對(duì)歷史目標(biāo)變量數(shù)據(jù)和目標(biāo)協(xié)變量信息進(jìn)行特征嵌入和融合處理，得到融合特征向量包括：通過預(yù)設(shè)嵌入模塊分別對(duì)歷史目標(biāo)變量數(shù)據(jù)和目標(biāo)協(xié)變量信息進(jìn)行特征嵌入處理，得到歷史目標(biāo)變量數(shù)據(jù)對(duì)應(yīng)的特征向量和目標(biāo)協(xié)變量信息對(duì)應(yīng)的特征向量；對(duì)歷史目標(biāo)變量數(shù)據(jù)對(duì)應(yīng)的特征向量和目標(biāo)協(xié)變量信息對(duì)應(yīng)的特征向量進(jìn)行融合處理，得到融合特征向量。

6、進(jìn)一步地，預(yù)設(shè)嵌入模塊包括第一嵌入模塊、第二嵌入模塊、第三嵌入模塊以及第四嵌入模塊，第一嵌入模塊、第二嵌入模塊、第三嵌入模塊以及第四嵌入模塊處理的信息類型不同，若目標(biāo)協(xié)變量信息的模態(tài)包括文本、數(shù)值以及枚舉，通過預(yù)設(shè)嵌入模塊分別對(duì)歷史目標(biāo)變量數(shù)據(jù)和目標(biāo)協(xié)變量信息進(jìn)行特征嵌入處理，得到歷史目標(biāo)變量數(shù)據(jù)對(duì)應(yīng)的特征向量和目標(biāo)協(xié)變量信息對(duì)應(yīng)的特征向量包括：通過第一嵌入模塊對(duì)歷史目標(biāo)變量數(shù)據(jù)進(jìn)行信息提取和嵌入處理，得到第一特征向量；通過第二嵌入模塊對(duì)目標(biāo)協(xié)變量信息中模態(tài)為數(shù)值的時(shí)間戳信息進(jìn)行信息提取和嵌入處理，得到第二特征向量；通過第三嵌入模塊對(duì)目標(biāo)協(xié)變量信息中模態(tài)為數(shù)值的時(shí)序協(xié)變量數(shù)據(jù)進(jìn)行信息提取和嵌入處理，得到第三特征向量，并通過第三嵌入模塊對(duì)目標(biāo)協(xié)變量信息中模態(tài)為枚舉的事件信息進(jìn)行信息提取和嵌入處理，得到第四特征向量；通過第四嵌入模塊對(duì)目標(biāo)協(xié)變量信息中模態(tài)為文本的事件信息進(jìn)行信息提取和嵌入處理，得到第五特征向量。

7、進(jìn)一步地，對(duì)歷史目標(biāo)變量數(shù)據(jù)對(duì)應(yīng)的特征向量和目標(biāo)協(xié)變量信息對(duì)應(yīng)的特征向量進(jìn)行融合處理，得到融合特征向量包括：對(duì)第一特征向量、第二特征向量、第三特征向量、第四特征向量以及第五特征向量進(jìn)行融合處理，得到融合特征向量。

8、進(jìn)一步地，依據(jù)融合特征向量對(duì)預(yù)訓(xùn)練模型進(jìn)行訓(xùn)練，得到預(yù)設(shè)預(yù)測任務(wù)對(duì)應(yīng)的目標(biāo)時(shí)序預(yù)測模型包括：將融合特征向量輸入預(yù)訓(xùn)練模型，并依據(jù)預(yù)設(shè)損失函數(shù)對(duì)預(yù)訓(xùn)練模型的模型參數(shù)進(jìn)行調(diào)整，得到目標(biāo)時(shí)序預(yù)測模型。

9、根據(jù)本技術(shù)實(shí)施例的另一方面，還提供了一種數(shù)據(jù)處理方法，包括：獲取預(yù)設(shè)預(yù)測任務(wù)對(duì)應(yīng)的歷史時(shí)序數(shù)據(jù)和預(yù)先確定的目標(biāo)協(xié)變量信息，其中，預(yù)設(shè)預(yù)測任務(wù)至少包括電力領(lǐng)域中的時(shí)序預(yù)測任務(wù)，目標(biāo)協(xié)變量信息為對(duì)目標(biāo)預(yù)測時(shí)序數(shù)據(jù)的預(yù)測有影響的信息；通過目標(biāo)時(shí)序預(yù)測模型對(duì)歷史時(shí)序數(shù)據(jù)和目標(biāo)協(xié)變量信息進(jìn)行融合處理，得到目標(biāo)特征向量，其中，目標(biāo)時(shí)序預(yù)測模型采用上述任意一項(xiàng)的時(shí)序預(yù)測模型的生成方法得到；依據(jù)目標(biāo)特征向量預(yù)測得到預(yù)設(shè)預(yù)測任務(wù)對(duì)應(yīng)的目標(biāo)預(yù)測時(shí)序數(shù)據(jù)。

10、根據(jù)本技術(shù)實(shí)施例的另一方面，還提供了一種數(shù)據(jù)處理方法，包括：獲取客戶端上傳的預(yù)設(shè)預(yù)測任務(wù)對(duì)應(yīng)的歷史時(shí)序數(shù)據(jù)和預(yù)先確定的目標(biāo)協(xié)變量信息，其中，預(yù)設(shè)預(yù)測任務(wù)至少包括電力領(lǐng)域中的時(shí)序預(yù)測任務(wù)，目標(biāo)協(xié)變量信息為對(duì)目標(biāo)預(yù)測時(shí)序數(shù)據(jù)的預(yù)測有影響的信息；在云服務(wù)器中通過目標(biāo)時(shí)序預(yù)測模型對(duì)歷史時(shí)序數(shù)據(jù)和目標(biāo)協(xié)變量信息進(jìn)行融合處理，得到目標(biāo)特征向量，其中，目標(biāo)時(shí)序預(yù)測模型采用上述任意一項(xiàng)的時(shí)序預(yù)測模型的生成方法得到；依據(jù)目標(biāo)特征向量預(yù)測得到預(yù)設(shè)預(yù)測任務(wù)對(duì)應(yīng)的目標(biāo)預(yù)測時(shí)序數(shù)據(jù)；將目標(biāo)預(yù)測時(shí)序數(shù)據(jù)反饋至客戶端。

11、根據(jù)本技術(shù)實(shí)施例的另一方面，還提供了一種時(shí)序預(yù)測模型的生成裝置，包括：第一獲取單元，用于獲取預(yù)設(shè)預(yù)測任務(wù)對(duì)應(yīng)的歷史目標(biāo)變量數(shù)據(jù)和協(xié)變量數(shù)據(jù)集，其中，預(yù)設(shè)預(yù)測任務(wù)至少包括電力領(lǐng)域中的時(shí)序預(yù)測任務(wù)，歷史目標(biāo)變量數(shù)據(jù)為歷史預(yù)測時(shí)序數(shù)據(jù)，協(xié)變量數(shù)據(jù)集為與歷史目標(biāo)變量數(shù)據(jù)的預(yù)測相關(guān)的數(shù)據(jù)的集合；第一確定單元，用于從協(xié)變量數(shù)據(jù)集中確定目標(biāo)協(xié)變量信息，其中，目標(biāo)協(xié)變量信息為對(duì)歷史目標(biāo)變量數(shù)據(jù)的預(yù)測有影響的信息；第一處理單元，用于對(duì)歷史目標(biāo)變量數(shù)據(jù)和目標(biāo)協(xié)變量信息進(jìn)行特征嵌入和融合處理，得到融合特征向量；第二處理單元，用于依據(jù)融合特征向量對(duì)預(yù)訓(xùn)練模型進(jìn)行訓(xùn)練，得到預(yù)設(shè)預(yù)測任務(wù)對(duì)應(yīng)的目標(biāo)時(shí)序預(yù)測模型。

12、進(jìn)一步地，第一確定單元包括：計(jì)算子單元，用于若目標(biāo)協(xié)變量信息的模態(tài)為數(shù)值，則分別計(jì)算協(xié)變量數(shù)據(jù)集中的時(shí)序協(xié)變量數(shù)據(jù)與歷史目標(biāo)變量數(shù)據(jù)之間的相關(guān)性系數(shù)，得到計(jì)算結(jié)果；第一確定子單元，用于基于計(jì)算結(jié)果，從時(shí)序協(xié)變量數(shù)據(jù)中確定目標(biāo)協(xié)變量信息。

13、進(jìn)一步地，第一確定單元還包括：分析子單元，用于若目標(biāo)協(xié)變量信息的模態(tài)為文本和/或枚舉，則基于歷史目標(biāo)變量數(shù)據(jù)對(duì)協(xié)變量數(shù)據(jù)集中的時(shí)間戳信息和事件信息進(jìn)行偏離度分析，得到分析結(jié)果；第二確定子單元，用于基于分析結(jié)果，從時(shí)間戳信息和事件信息中確定目標(biāo)協(xié)變量信息。

14、進(jìn)一步地，第一處理單元包括：第一處理子單元，用于通過預(yù)設(shè)嵌入模塊分別對(duì)歷史目標(biāo)變量數(shù)據(jù)和目標(biāo)協(xié)變量信息進(jìn)行特征嵌入處理，得到歷史目標(biāo)變量數(shù)據(jù)對(duì)應(yīng)的特征向量和目標(biāo)協(xié)變量信息對(duì)應(yīng)的特征向量；第二處理子單元，用于對(duì)歷史目標(biāo)變量數(shù)據(jù)對(duì)應(yīng)的特征向量和目標(biāo)協(xié)變量信息對(duì)應(yīng)的特征向量進(jìn)行融合處理，得到融合特征向量。

15、進(jìn)一步地，第一處理子單元包括：第一處理模塊，用于通過第一嵌入模塊對(duì)歷史目標(biāo)變量數(shù)據(jù)進(jìn)行信息提取和嵌入處理，得到第一特征向量；第二處理模塊，用于通過第二嵌入模塊對(duì)目標(biāo)協(xié)變量信息中模態(tài)為數(shù)值的時(shí)間戳信息進(jìn)行信息提取和嵌入處理，得到第二特征向量；第三處理模塊，用于通過第三嵌入模塊對(duì)目標(biāo)協(xié)變量信息中模態(tài)為數(shù)值的時(shí)序協(xié)變量數(shù)據(jù)進(jìn)行信息提取和嵌入處理，得到第三特征向量，并通過第三嵌入模塊對(duì)目標(biāo)協(xié)變量信息中模態(tài)為枚舉的事件信息進(jìn)行信息提取和嵌入處理，得到第四特征向量；第四處理模塊，用于通過第四嵌入模塊對(duì)目標(biāo)協(xié)變量信息中模態(tài)為文本的事件信息進(jìn)行信息提取和嵌入處理，得到第五特征向量。

16、進(jìn)一步地，第二處理子單元包括：第五處理模塊，用于對(duì)第一特征向量、第二特征向量、第三特征向量、第四特征向量以及第五特征向量進(jìn)行融合處理，得到融合特征向量。

17、進(jìn)一步地，第二處理單元包括：調(diào)整子單元，用于將融合特征向量輸入預(yù)訓(xùn)練模型，并依據(jù)預(yù)設(shè)損失函數(shù)對(duì)預(yù)訓(xùn)練模型的模型參數(shù)進(jìn)行調(diào)整，得到目標(biāo)時(shí)序預(yù)測模型。

18、根據(jù)本技術(shù)實(shí)施例的另一方面，還提供了一種數(shù)據(jù)處理裝置，包括：第二獲取單元，用于獲取預(yù)設(shè)預(yù)測任務(wù)對(duì)應(yīng)的歷史時(shí)序數(shù)據(jù)和預(yù)先確定的目標(biāo)協(xié)變量信息，其中，預(yù)設(shè)預(yù)測任務(wù)至少包括電力領(lǐng)域中的時(shí)序預(yù)測任務(wù)，目標(biāo)協(xié)變量信息為對(duì)目標(biāo)預(yù)測時(shí)序數(shù)據(jù)的預(yù)測有影響的信息；第三處理單元，用于通過目標(biāo)時(shí)序預(yù)測模型對(duì)歷史時(shí)序數(shù)據(jù)和目標(biāo)協(xié)變量信息進(jìn)行融合處理，得到目標(biāo)特征向量，其中，目標(biāo)時(shí)序預(yù)測模型采用上述任意一項(xiàng)的時(shí)序預(yù)測模型的生成方法得到；第四處理單元，用于依據(jù)目標(biāo)特征向量預(yù)測得到預(yù)設(shè)預(yù)測任務(wù)對(duì)應(yīng)的目標(biāo)預(yù)測時(shí)序數(shù)據(jù)。

19、根據(jù)本發(fā)明實(shí)施例的另一方面，還提供了一種電子設(shè)備，包括：存儲(chǔ)器，存儲(chǔ)有可執(zhí)行程序；處理器，用于運(yùn)行程序，其中，程序運(yùn)行時(shí)執(zhí)行上述任意一項(xiàng)的時(shí)序預(yù)測模型的生成方法。

20、根據(jù)本發(fā)明實(shí)施例的另一方面，還提供了一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，存儲(chǔ)介質(zhì)存儲(chǔ)程序，其中，在程序運(yùn)行時(shí)控制存儲(chǔ)介質(zhì)所在設(shè)備執(zhí)行上述任意一項(xiàng)的時(shí)序預(yù)測模型的生成方法。

21、根據(jù)本發(fā)明實(shí)施例的另一方面，還提供了一種計(jì)算機(jī)程序產(chǎn)品，包括計(jì)算機(jī)程序或指令，計(jì)算機(jī)程序或指令在被處理器執(zhí)行時(shí)實(shí)現(xiàn)上述任意一項(xiàng)的時(shí)序預(yù)測模型的生成方法。

22、在本技術(shù)實(shí)施例中，通過獲取預(yù)設(shè)預(yù)測任務(wù)對(duì)應(yīng)的歷史目標(biāo)變量數(shù)據(jù)和協(xié)變量數(shù)據(jù)集，其中，預(yù)設(shè)預(yù)測任務(wù)至少包括電力領(lǐng)域中的時(shí)序預(yù)測任務(wù)，歷史目標(biāo)變量數(shù)據(jù)為歷史預(yù)測時(shí)序數(shù)據(jù)，協(xié)變量數(shù)據(jù)集為與歷史目標(biāo)變量數(shù)據(jù)的預(yù)測相關(guān)的數(shù)據(jù)的集合；從協(xié)變量數(shù)據(jù)集中確定目標(biāo)協(xié)變量信息，其中，目標(biāo)協(xié)變量信息為對(duì)歷史目標(biāo)變量數(shù)據(jù)的預(yù)測有影響的信息；對(duì)歷史目標(biāo)變量數(shù)據(jù)和目標(biāo)協(xié)變量信息進(jìn)行特征嵌入和融合處理，得到融合特征向量；依據(jù)融合特征向量對(duì)預(yù)訓(xùn)練模型進(jìn)行訓(xùn)練，得到預(yù)設(shè)預(yù)測任務(wù)對(duì)應(yīng)的目標(biāo)時(shí)序預(yù)測模型的方式，有效地利用了協(xié)變量信息，通過融合多模態(tài)協(xié)變量信息對(duì)預(yù)訓(xùn)練模型進(jìn)行訓(xùn)練，使模型在處理包含多種類型協(xié)變量的復(fù)雜預(yù)測任務(wù)時(shí)，能夠更好地理解和利用這些協(xié)變量信息，做出更準(zhǔn)確的預(yù)測，提高了時(shí)序預(yù)測模型的準(zhǔn)確性和魯棒性，提升了預(yù)測精度和效率，為相關(guān)領(lǐng)域的決策提供了有力支持，達(dá)到了實(shí)現(xiàn)更精準(zhǔn)的時(shí)序預(yù)測的目的，從而實(shí)現(xiàn)了提高時(shí)序預(yù)測模型對(duì)時(shí)序數(shù)據(jù)的預(yù)測準(zhǔn)確性的技術(shù)效果，進(jìn)而解決了相關(guān)技術(shù)中時(shí)序預(yù)測模型并未結(jié)合協(xié)變量信息，存在時(shí)序數(shù)據(jù)預(yù)測準(zhǔn)確性比較低的技術(shù)問題。