时间序列处理方法、计算机终端、存储介质和程序产品与流程

本技术涉及人工智能领域，具体而言，涉及一种时间序列处理方法、计算机终端、存储介质和程序产品。

背景技术：

1、对于常见的时间序列处理问题，例如，根据电力发电系统的历史负荷时序数据，预测电力发电系统在未来一段时间内的未来负荷时序数据，通常会使用到时间序列模型来解决该时间序列处理问题，而考虑到有的时间序列模型可能是黑盒模型，即该时间序列模型的可解释性较低，可能会影响该时间序列模型的可信度，同时难以调整和改进，此时就需要对时间序列模型进行解释，以提高时间序列模型的可信度，然而由于不同时间序列包含的数据的固有特性，例如时间序列中不同时间步对应的数值之间的强时间依赖性、交互作用等特性，可能是不同的，而这些特性很有可能会影响时间序列模型的实际处理过程，导致目前仅根据时间序列模型的输入参数和输出结果对时间序列模型进行解释，很有可能出现无法准确地对时间序列模型进行解释的情况。

技术实现思路

1、本技术实施例提供了一种时间序列处理方法、计算机终端、存储介质和程序产品，以至少解决相关技术中对未知的时间序列模型进行解释的准确度低的技术问题。

2、根据本技术实施例的一个方面，提供了一种时间序列处理方法，包括：获取原始时间序列集，其中，原始时间序列集包含至少一个时间变量的原始时间序列，原始时间序列由多个时间步的原始序列值构成；基于原始时间序列集中任意一个时间变量的原始时间序列，构建任意一个时间变量对应的多个目标时间序列集，其中，目标时间序列集包含至少一个时间变量的目标时间序列，任意一个时间变量的目标时间序列由时间步区间的原始序列值和除时间步区间之外的其他时间步的随机值构成，除任意一个时间变量之外的其他时间变量的目标时间序列由多个时间步的随机值构成，不同目标时间序列集对应的时间步区间的起始时间步和/或长度不同；利用时间序列模型分别对多个目标时间序列集进行处理，得到多个目标时间序列集的处理结果；基于多个目标时间序列集的处理结果，确定任意一个时间变量对于时间序列模型的重要性指标，其中，重要性指标包括：多个时间步的个体贡献指标和总体影响指标，总体影响指标用于表征任意一个时间步与除任意一个时间步之外的其他时间步之间的交互作用的影响。

3、根据本技术实施例的一个方面，还提供了一种电力数据处理方法，包括：获取原始电力数据，其中，原始电力数据由多个时间步的原始电力数据值构成；基于原始电力数据，构建多个目标电力数据，其中，目标电力数据由时间步区间的原始电力数据值和除时间步区间之外的其他时间步的随机值构成，不同目标电力数据对应的时间步区间的起始时间步和/或长度不同；利用功率预测模型分别对多个目标电力数据进行处理，得到多个目标电力数据的功率预测结果；基于多个目标电力数据的功率预测结果，确定多个时间步对于功率预测模型的重要性指标，其中，重要性指标包括：多个时间步的个体贡献指标和总体影响指标，总体影响指标用于表征任意一个时间步与除任意一个时间步之外的其他时间步之间的交互作用的影响。

4、根据本技术实施例的一个方面，还提供了一种设备异常检测方法，包括：获取待检测设备的原始运维数据，其中，原始运维数据由多个时间步的原始运维属性值构成；基于原始运维数据，构建多个目标运维数据，其中，目标运维数据由时间步区间的原始运维属性值和除时间步区间之外的其他时间步的随机值构成，不同目标运维数据对应的时间步区间的起始时间步和/或长度不同；利用异常检测模型分别对多个目标运维数据进行处理，得到多个目标运维数据的检测结果；基于多个目标运维数据的检测结果，确定多个时间步对于异常检测模型的重要性指标，其中，重要性指标包括：多个时间步的个体贡献指标和总体影响指标，总体影响指标用于表征任意一个时间步与除任意一个时间步之外的其他时间步之间的交互作用的影响；基于重要性指标对原始运维数据进行特征提取，得到运维特征；利用异常检测模型对运维特征进行处理，得到待检测设备的目标检测结果，其中，目标检测结果用于表征待检测设备是否出现异常。

5、根据本技术实施例的一个方面，还提供了一种时间序列处理方法，包括：响应作用于操作界面上的输入指令，在操作界面上显示原始时间序列集，其中，原始时间序列集包含至少一个时间变量的原始时间序列，原始时间序列由多个时间步的原始序列值构成；响应作用于操作界面上的处理指令，在操作界面上显示多个时间步的重要性指标，其中，重要性指标是基于任意一个时间变量对应的多个目标时间序列集的处理结果确定的，多个目标时间序列集的处理结果是利用时间序列模型分别对多个目标时间序列集进行处理的结果，多个目标时间序列集是基于原始时间序列集中任意一个时间变量的原始时间序列构建的时间序列集，目标时间序列集包含至少一个时间变量的目标时间序列，任意一个时间变量的目标时间序列由时间步区间的原始序列值和除时间步区间之外的其他时间步的随机值构成，除任意一个时间变量之外的其他时间变量的目标时间序列由多个时间步的随机值构成，不同目标时间序列集对应的时间步区间的起始时间步和/或长度不同，重要性指标包括：多个时间步的个体贡献指标和总体影响指标，总体影响指标用于表征任意一个时间步与除任意一个时间步之外的其他时间步之间的交互作用的影响。

6、根据本技术实施例的一个方面，还提供了一种时间序列处理方法，包括：通过调用第一接口获取原始时间序列集，其中，第一接口包括第一参数，第一参数的参数值包括原始时间序列集，原始时间序列集包含至少一个时间变量的原始时间序列，原始时间序列由多个时间步的原始序列值构成；基于原始时间序列集中任意一个时间变量的原始时间序列，构建任意一个时间变量对应的多个目标时间序列集，其中，目标时间序列集包含至少一个时间变量的目标时间序列，任意一个时间变量的目标时间序列由时间步区间的原始序列值和除时间步区间之外的其他时间步的随机值构成，除任意一个时间变量之外的其他时间变量的目标时间序列由多个时间步的随机值构成，不同目标时间序列集对应的时间步区间的起始时间步和/或长度不同；利用时间序列模型分别对多个目标时间序列集进行处理，得到多个目标时间序列集的处理结果；基于多个目标时间序列集的处理结果，确定任意一个时间变量对于时间序列模型的重要性指标，其中，重要性指标包括：多个时间步的个体贡献指标和总体影响指标，总体影响指标用于表征任意一个时间步与除任意一个时间步之外的其他时间步之间的交互作用的影响；通过调用第二接口输出至少一个时间变量的重要性指标，其中，第二接口包括第二参数，第二参数的参数值包括至少一个时间变量的重要性指标。

7、根据本技术实施例的一个方面，还提供了一种时间序列处理装置，包括：时间序列获取模块，用于获取原始时间序列集，其中，原始时间序列集包含至少一个时间变量的原始时间序列，原始时间序列由多个时间步的原始序列值构成；时间序列构建模块，用于基于原始时间序列集中任意一个时间变量的原始时间序列，构建任意一个时间变量对应的多个目标时间序列集，其中，目标时间序列集包含至少一个时间变量的目标时间序列，任意一个时间变量的目标时间序列由时间步区间的原始序列值和除时间步区间之外的其他时间步的随机值构成，除任意一个时间变量之外的其他时间变量的目标时间序列由多个时间步的随机值构成，不同目标时间序列集对应的时间步区间的起始时间步和/或长度不同；时间序列处理模块，用于利用时间序列模型分别对多个目标时间序列集进行处理，得到多个目标时间序列集的处理结果；序列指标确定模块，用于基于多个目标时间序列集的处理结果，确定任意一个时间变量对于时间序列模型的重要性指标，其中，重要性指标包括：多个时间步的个体贡献指标和总体影响指标，总体影响指标用于表征任意一个时间步与除任意一个时间步之外的其他时间步之间的交互作用的影响。

8、根据本技术实施例的一个方面，还提供了一种电力数据处理装置，包括：电力数据获取模块，用于获取原始电力数据，其中，原始电力数据由多个时间步的原始电力数据值构成；电力数据构建模块，用于基于原始电力数据，构建多个目标电力数据，其中，目标电力数据由时间步区间的原始电力数据值和除时间步区间之外的其他时间步的随机值构成，不同目标电力数据对应的时间步区间的起始时间步和/或长度不同；电力数据处理模块，用于利用功率预测模型分别对多个目标电力数据进行处理，得到多个目标电力数据的功率预测结果；数据指标确定模块，用于基于多个目标电力数据的功率预测结果，确定多个时间步对于功率预测模型的重要性指标，其中，重要性指标包括：多个时间步的个体贡献指标和总体影响指标，总体影响指标用于表征任意一个时间步与除任意一个时间步之外的其他时间步之间的交互作用的影响。

9、根据本技术实施例的一个方面，还提供了一种设备异常检测装置，包括：运维数据获取模块，用于获取待检测设备的原始运维数据，其中，原始运维数据由多个时间步的原始运维属性值构成；运维数据构建模块，用于基于原始运维数据，构建多个目标运维数据，其中，目标运维数据由时间步区间的原始运维属性值和除时间步区间之外的其他时间步的随机值构成，不同目标运维数据对应的时间步区间的起始时间步和/或长度不同；运维数据处理模块，用于利用异常检测模型分别对多个目标运维数据进行处理，得到多个目标运维数据的检测结果；运维指标确定模块，用于基于多个目标运维数据的检测结果，确定多个时间步对于异常检测模型的重要性指标，其中，重要性指标包括：多个时间步的个体贡献指标和总体影响指标，总体影响指标用于表征任意一个时间步与除任意一个时间步之外的其他时间步之间的交互作用的影响；运维特征提取模块，用于基于重要性指标对原始运维数据进行特征提取，得到运维特征；设备检测模块，用于利用异常检测模型对运维特征进行处理，得到待检测设备的目标检测结果，其中，目标检测结果用于表征待检测设备是否出现异常。

10、根据本技术实施例的一个方面，还提供了一种时间序列处理装置，包括：第一显示模块，用于响应作用于操作界面上的输入指令，在操作界面上显示原始时间序列集，其中，原始时间序列集包含至少一个时间变量的原始时间序列，原始时间序列由多个时间步的原始序列值构成；第二显示模块，用于响应作用于操作界面上的处理指令，在操作界面上显示多个时间步的重要性指标，其中，重要性指标是基于任意一个时间变量对应的多个目标时间序列集的处理结果确定的，多个目标时间序列集的处理结果是利用时间序列模型分别对多个目标时间序列集进行处理的结果，多个目标时间序列集是基于原始时间序列集中任意一个时间变量的原始时间序列构建的时间序列集，目标时间序列集包含至少一个时间变量的目标时间序列，任意一个时间变量的目标时间序列由时间步区间的原始序列值和除时间步区间之外的其他时间步的随机值构成，除任意一个时间变量之外的其他时间变量的目标时间序列由多个时间步的随机值构成，不同目标时间序列集对应的时间步区间的起始时间步和/或长度不同，重要性指标包括：多个时间步的个体贡献指标和总体影响指标，总体影响指标用于表征任意一个时间步与除任意一个时间步之外的其他时间步之间的交互作用的影响。

11、根据本技术实施例的一个方面，还提供了一种时间序列处理装置，包括：第一调用模块，用于通过调用第一接口获取原始时间序列集，其中，第一接口包括第一参数，第一参数的参数值包括原始时间序列集，原始时间序列集包含至少一个时间变量的原始时间序列，原始时间序列由多个时间步的原始序列值构成；序列构建模块，用于基于原始时间序列集中任意一个时间变量的原始时间序列，构建任意一个时间变量对应的多个目标时间序列集 ，其中，目标时间序列集包含至少一个时间变量的目标时间序列，任意一个时间变量的目标时间序列由时间步区间的原始序列值和除时间步区间之外的其他时间步的随机值构成，除任意一个时间变量之外的其他时间变量的目标时间序列由多个时间步的随机值构成，不同目标时间序列集对应的时间步区间的起始时间步和/或长度不同；序列处理模块，用于利用时间序列模型分别对多个目标时间序列集进行处理，得到多个目标时间序列集的处理结果；指标确定模块，用于基于多个目标时间序列集的处理结果，确定任意一个时间变量对于时间序列模型的重要性指标，其中，重要性指标包括：多个时间步的个体贡献指标和总体影响指标，总体影响指标用于表征任意一个时间步与除任意一个时间步之外的其他时间步之间的交互作用的影响；第二调用模块，用于通过调用第二接口输出至少一个时间变量的重要性指标，其中，第二接口包括第二参数，第二参数的参数值包括至少一个时间变量的重要性指标。

12、根据本技术实施例的另一方面，还提供了一种计算机终端，包括：存储器，存储有可执行程序；处理器，用于运行程序，其中，程序运行时执行本技术各个实施例中的方法。

13、根据本技术实施例的另一方面，还提供了一种计算机可读存储介质，计算机可读存储介质包括存储的可执行程序，其中，在可执行程序运行时控制计算机可读存储介质所在设备执行本技术各个实施例中的方法。

14、根据本技术实施例的另一方面，还提供了一种计算机程序产品，包括计算机程序，计算机程序在被处理器执行时实现本技术各个实施例中的方法。

15、根据本技术实施例的另一方面，还提供了一种计算机程序产品，包括非易失性计算机可读存储介质，非易失性计算机可读存储介质存储计算机程序，计算机程序被处理器执行时实现本技术各个实施例中的方法。

16、根据本技术实施例的另一方面，还提供了一种计算机程序，计算机程序被处理器执行时实现本技术各个实施例中的方法。

17、在本技术实施例中，采用获取原始时间序列集；基于原始时间序列集中任意一个时间变量的原始时间序列，构建任意一个时间变量对应的多个目标时间序列集；利用时间序列模型分别对多个目标时间序列集进行处理，得到多个目标时间序列集的处理结果；基于多个目标时间序列集的处理结果，确定任意一个时间变量对于时间序列模型的重要性指标的方式，通过针对原始时间序列集包含的任意一个时间变量，在该时间变量对应原始序列值的基础上，构建出多个不会出现其他时间变量对该时间变量对应的数值产生影响的目标时间序列集，并根据时间序列模型对这多个目标时间序列集的处理结果，来确定不同时间变量中不同时间步相对于时间序列模型的重要性指标，可以提高确定出的重要性指标的合理性和准确度，从而提高了根据重要性指标确定出的时间序列模型的可解释性，进而解决了相关技术中对未知的时间序列模型进行解释的准确度低的技术问题。

18、容易注意到的是，上面的通用描述和后面的详细描述仅仅是为了对本技术进行举例和解释，并不构成对本技术的限定。