时序流量预测方法及装置、存储介质及电子设备.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN114627330A(43)申请公布日2022.06.14(21)申请号202210203124.4H04L41/147(2022.01)(22)申请日2022.03.02(71)申请人北京沃东天骏信息技术有限公司地址100000北京市大兴区经济技术开发区科创十一街18号院2号楼4层A402室申请人北京京东世纪贸易有限公司(72)发明人肖翔(74)专利代理机构北京集佳知识产权代理有限公司11227专利代理师李伟(51)Int.Cl.G06V10/764(2022.01)G06V10/82(2022.01)G06V10/766(2022.01)G06V10/40(2022.01)权利要求书2页说明书9页附图4页(54)发明名称时序流量预测方法及装置、存储介质及电子设备(57)摘要本发明提供一种时序流量预测方法及装置、存储介质及电子设备，该方法包括：获取各个历史业务时间序列，对各个历史业务时间序列进行处理，得到历史时序热力图；提取历史时序热力图中的图像特征数据；对图像特征数据进行处理，得到每个历史业务时间序列的预测时序流量。通过将各个历史业务时间序列转换成历史时序热力图，并从历史时序热力图中提取到图像特征数据，该图像特征数据包含了时间序列各种高维度的特征，含盖了时间序列全局及局部的相关特征，通过对图像特征数据进行处理，可以得到各个历史业务时间序列的预测时序流量，引入涵盖了高维度的特征的图像特征数据，有效的提高了对时间序列的流量进行预测的准确性。CN114627330ACN114627330A权利要求书1/2页1.一种时序流量预测方法，其特征在于，包括：获取各个历史业务时间序列；对各个所述历史业务时间序列进行处理，得到历史时序热力图；提取所述历史时序热力图中的图像特征数据；对所述图像特征数据进行处理，得到每个所述历史业务时间序列的预测时序流量。2.根据权利要求1所述的方法，其特征在于，所述对各个所述历史业务时间序列进行处理，得到历史时序热力图，包括：基于各个所述历史业务时间序列，构建数据矩阵；将所述数据矩阵中的每个数值进行归一化处理，得到历史时序热力图。3.根据权利要求1所述的方法，其特征在于，所述提取所述历史时序热力图中的图像特征数据，包括：将所述历史时序热力图输入预先训练完成的特征提取模型中，使得所述特征提取模型从所述历史时序热力图中提取出各项图像高维度特征；将各项所述图像高维度特征作为所述历史时序热力图像的图像特征数据。4.根据权利要求1所述的方法，其特征在于，所述对所述图像特征数据进行处理，得到每个所述历史业务时间序列的预测时序流量，包括：将所述图像特征数据输入预先训练完成的分类神经网络中，使得所述分类神经网络输出所述历史时序热力图的图片分类数据，其中，所述图片分类数据中包含各项所述历史业务时间序列的时序流量的预测信息；调用预设的回归函数对所述图像分类数据进行回归处理，得到与所述图像分类数据对应的回归数据；对所述回归数据进行逆归一化处理，得每个所述历史业务时间序列的预测时序流量。5.根据权利要求1所述的方法，其特征在于，还包括：基于每个所述历史业务时间序列的预测时序流量进行风险评估，以得到每个所述历史业务时间序列所对应的业务的风险评分。6.一种时序流量预测装置，其特征在于，包括：获取单元，用于获取各个历史业务时间序列；第一处理单元，用于对各个所述历史业务时间序列进行处理，得到历史时序热力图；提取单元，用于提取所述历史时序热力图中的图像特征数据；第二处理单元，用于对所述图像特征数据进行处理，得到每个所述历史业务时间序列的预测时序流量。7.根据权利要求6所述的装置，其特征在于，所述第一处理单元，包括：构建子单元，用于基于各个所述历史业务时间序列，构建数据矩阵；归一化处理子单元，用于将所述数据矩阵中的每个数值进行归一化处理，得到历史时序热力图。8.根据权利要求6所述的装置，其特征在于，所述提取单元，包括：输入子单元，用于将所述历史时序热力图输入预先训练完成的特征提取模型中，使得所述特征提取模型从所述历史时序热力图中提取出各项图像高维度特征；确定子单元，用于将各项所述图像高维度特征作为所述历史时序热力图像的图像特征2CN114627330A权利要求书2/2页数据。9.一种存储介质，其特征在于，所述存储介质包括存储的指令，其中，在所述指令运行时控制所述存储介质所在的设备执行如权利要求1～5任意一项所述的时序流量预测方法。10.一种电子设备，其特征在于，包括存储器，以及一个或者一个以上的指令，其中一个或者一个以上指令存储于存储器中，且经配置以由一个或者一个以上处理器执行如权利要求1～5任意一项所述的时序流量预测方法。3CN114627330A说明书1/9页时序流量预测方法及