(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211216701.X (22)申请日 2022.09.30 (71)申请人 联想 （北京） 有限公司 地址 100085 北京市海淀区上地西路6号2 幢2层201- H2-6 (72)发明人 段居方　王奕　郑伟　 (74)专利代理 机构 北京派特恩知识产权代理有 限公司 1 1270 专利代理师 杜志兰　蒋雅洁 (51)Int.Cl. G06Q 30/02(2012.01) G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种预测方法、 装置、 设备以及计算机存储 介质 (57)摘要 本申请实施例公开了一种预测方法、 装置、 设备以及计算机存储介质。 该方法包括： 获取预 设历史时长内每一个时间点对目标对象的需求 量数据； 通过预测自编码器将需求量数据进行分 解处理， 得到对应的分解结果； 其中， 分解结果包 括若干组分解数据， 若干组分解数据的平均可预 测性大于 预设阈值； 对若干组分解数据各自进行 预测处理， 得到若干组分解数据预测结果； 通过 预测自编码器将若干组分解数据的预测结果进 行合并处理， 得到所述需求量数据对应的预测需 求量数据。 权利要求书2页 说明书13页 附图5页 CN 115511530 A 2022.12.23 CN 115511530 A 1.一种预测方法， 所述方法包括： 获取预设历史时长内每一个时间点对目标对象的需求 量数据； 通过预测自编码器将所述需求量数据进行分解处理， 得到对应的分解结果； 其中， 所述 分解结果包括若干组分解数据， 所述若干组分解数据的平均可 预测性大于预设阈值； 对所述若干组分解数据各自进行 预测处理， 得到若干组分解数据预测结果； 通过预测自编码器将所述若干组分解数据的预测结果进行合并处理， 得到所述需求量 数据对应的预测需求 量数据。 2.根据权利要求1所述的方法， 所述通过预测自编码器将所述若干组分解数据的预测 结果进行合并处 理， 得到所述需求 量数据对应的预测需求 量数据之前， 所述方法还 包括： 对所述若干组分解数据 预测结果对应的序列进行长度截取处理， 在所述若干组分解数 据预测结果与所述需求量数据对应的序列长度相等的情况下， 对所述若干组分解数据预测 结果进行合并处 理。 3.根据权利要求1所述的方法， 所述方法还 包括： 获取第一训练集； 其中， 所述第一训练集包括至少一个所述需求 量数据作为输入数据； 利用所述第一训练集对目标自编码器进行训练， 得到 输出数据； 在所述目标自编码器的输入数据、 输出数据以及分解得到的所述分解数据满足预设条 件的情况 下， 确定所述目标自编码器为所述预测自编码器。 4.根据权利要求3所述的方法， 所述目标自编码器包括编码器和解码器， 利用所述第 一 训练集对目标自编码器进行训练， 包括： 将第一输入需求 量数据输入所述目标自编码器； 所述编码器将所述第一输入需求量数据进行分解处理， 得到分解结果； 其中， 所述分解 结果包括若干组分解数据； 利用可预测性度量模型确定所述若干组分解数据对应的可 预测性； 所述解码器对所述分解结果进行合并处 理， 得到第一输出需求 量数据； 其中， 所述第一输入需求 量数据为所述第一训练集输入数据中的任意 一个。 5.根据权利要求4所述的方法， 所述在所述目标自编码器的输入数据、 输出数据以及分 解得到的所述分解数据满足预设条件的情况下， 确定所述目标自编 码器为所述预测自编码 器， 包括： 所述目标自编码器的输入数据与输出 数据的差异参数小于第一阈值； 和/或， 所述若干组分解数据的平均可 预测性参数大于第二阈值； 和/或， 所述若干组分解数据之间的相似度参数小于第 三阈值的情况下， 确定所述目标自编码 器为所述预测自编码器。 6.根据权利要求5所述的方法， 所述平均可预测性参数通过将所述输入需求量数据输 入可预测性度量模型 得到， 所述方法还 包括： 获取第二训练集， 其中， 所述第二训练集包括至少一个需求 量数据； 利用所述至少一个需求量数据对应的可预测性参数对所述至少一个需求量数据进行 标记； 利用个标记后的至少一个需求量数据对神经网络模型进行训练， 得到所述可预测性度 量模型。权　利　要　求　书 1/2 页 2 CN 115511530 A 27.根据权利要求6所述的方法， 所述利用所述至少一个需求量数据对应的可预测性参 数对所述至少一个需求 量数据进行 标记， 包括： 获取第一需求 量数据； 基于所述第一需求 量数据， 分别确定对应的周期分量、 短趋势分量和残差； 分别确定所述周期分量、 所述短趋势分量和所述残差对应的周期可预测性、 趋势可预 测性和残差可 预测性； 对所述周期可预测性、 所述趋势可预测性和所述残差可预测性进行加权平均计算， 得 到所述第一需求 量数据对应的所述可 预测性参数； 利用所述可 预测性参数对所述第一需求 量数据进行 标记； 其中， 所述第一需求 量数据为所述第二训练集中的任意 一个。 8.一种预测装置， 所述预测装置包括： 获取单元， 配置为获取 预设历史时长内每一个时间点对目标对象的需求 量数据； 分解单元， 配置为通过预测自编码器将所述需求量数据进行分解处理， 得到对应的分 解结果； 其中， 所述分解结果包括若干组分解数据， 所述若干组分解数据的平均可预测性大 于预设阈值； 预测单元， 配置为对所述若干组分解数据各自进行预测 处理， 得到若干组分解数据预 测结果； 合并单元， 配置为通过预测自编码器将所述若干组分解数据的预测结果进行合并处 理， 得到所述需求 量数据对应的预测需求 量数据。 9.一种电子设备， 所述电子设备包括： 存储器， 用于存 储能够在处理器上运行的计算机程序； 处理器， 用于在运行 所述计算机程序时， 执 行如权利要求1至7任一项所述的方法。 10.一种计算机存储介质， 其特征在于， 所述计算机存储介质存储有计算机程序， 所述 计算机程序被至少一个处 理器执行时实现如权利要求1至7任一项所述的方法。权　利　要　求　书 2/2 页 3 CN 115511530 A 3