基于大数据的数据预测性分析方法以及系统与流程

本发明涉及数据分析，尤其涉及一种基于大数据的数据预测性分析方法以及系统。

背景技术：

1、随着大数据技术的发展，数据预测性分析已经成为各个领域不可或缺的一部分。大数据处理技术通过收集、存储、处理和分析大量的数据，可以数据中的规律性和趋势性，从而对未来可能发生的事件或趋势进行预测和分析。现有的大数据处理技术往往无法有效地筛选出对预测模型最有用的特征，这可能会导致预测模型的预测效果不佳。

技术实现思路

1、本发明实施例的主要目的在于提供一种基于大数据的数据预测性分析方法以及系统，旨在解决相关技术中往往无法有效地筛选出对预测模型最有用的特征，这可能会导致预测模型的预测效果不佳问题。

2、第一方面，本发明实施例提供一种基于大数据的数据预测性分析方法，包括：

3、获得初始数据，并对所述初始数据进行预处理获得预处理数据；

4、对所述预处理数据进行降维处理获得目标数据；

5、根据时间信息对所述目标数据进行多尺度采集获得第一尺度数据和第二尺度数据；

6、对所述第一尺度数据和所述第二尺度数据进行特征融合，获得目标融合特征；

7、根据所述目标融合特征利用数据预测模型进行数据分析，获得目标预测结果。

8、第二方面，本发明实施例提供一种基于大数据的数据预测性分析系统，包括：

9、数据处理模块，用于获得初始数据，并对所述初始数据进行预处理获得预处理数据；

10、数据降维模块，用于对所述预处理数据进行降维处理获得目标数据；

11、数据划分模块，用于根据时间信息对所述目标数据进行多尺度采集获得第一尺度数据和第二尺度数据；

12、数据融合模块，用于对所述第一尺度数据和所述第二尺度数据进行特征融合，获得目标融合特征；

13、数据预测模块，用于根据所述目标融合特征利用数据预测模型进行数据分析，获得目标预测结果。

14、第三方面，本发明实施例还提供一种终端设备，终端设备包括处理器、存储器、存储在存储器上并可被处理器执行的计算机程序以及用于实现处理器和存储器之间的连接通信的数据总线，其中计算机程序被处理器执行时，实现如本发明说明书提供的任一项基于大数据的数据预测性分析方法的步骤。

15、第四方面，本发明实施例还提供一种存储介质，用于计算机可读存储，其特征在于，存储介质存储有一个或者多个程序，一个或者多个程序可被一个或者多个处理器执行，以实现如本发明说明书提供的任一项基于大数据的数据预测性分析方法的步骤。

16、本发明实施例提供一种基于大数据的数据预测性分析方法以及系统，本发明包括：获得初始数据，初始数据可能包含噪声或无效信息，进而对初始数据进行预处理获得预处理数据，预处理可以清理数据、填补缺失值，使数据质量更高，有利于后续分析，进而对预处理数据进行降维处理获得目标数据，降维可以减少数据的复杂性和冗余信息，可以更好地展现数据的内在结构和特征。再根据时间信息对目标数据进行多尺度采集获得第一尺度数据和第二尺度数据，从而通过不同的时间尺度采集数据，可以捕捉数据的多样性和变化趋势，有助于更准确地预测。再对第一尺度数据和第二尺度数据进行特征融合，获得目标融合特征，从而将不同尺度的数据特征结合起来，可以增强特征的信息量和表达能力。最后利用目标融合特征进行数据分析和预测可以生成对未来趋势或结果的预测，帮助做出更加明智的决策或规划，进而解决了相关技术中往往无法有效地筛选出对预测模型最有用的特征，这可能会导致预测模型的预测效果不佳的问题。

技术特征：

1.一种基于大数据的数据预测性分析方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述对所述初始数据进行预处理获得预处理数据，包括：

3.根据权利要求1所述的方法，其特征在于，所述对所述预处理数据进行降维处理获得目标数据，包括：

4.根据权利要求3所述的方法，其特征在于，所述根据所述重构系数对所述标签数据进行降维处理，获得所述标签数据对应的降维数据，包括：

5.根据权利要求1所述的方法，其特征在于，所述根据时间信息对所述目标数据进行多尺度采集获得第一尺度数据和第二尺度数据，包括：

6.根据权利要求1所述的方法，其特征在于，所述对所述第一尺度数据和所述第二尺度数据进行特征融合，获得目标融合特征，包括：

7.根据权利要求1所述的方法，其特征在于，获得所述目标预测结果之后，所述方法还包括：

8.一种基于大数据的数据预测性分析系统，其特征在于，包括：

9.一种终端设备，其特征在于，所述终端设备包括处理器、存储器；

10.一种计算机存储介质，用于计算机存储，其特征在于，所述计算机存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现权利要求1至7中任一项所述的基于大数据的数据预测性分析方法的步骤。

技术总结本发明实施例提供一种基于大数据的数据预测性分析方法以及系统，属于数据分析技术领域。该方法包括：获得初始数据，并对初始数据进行预处理获得预处理数据；对预处理数据进行降维处理获得目标数据；根据时间信息对目标数据进行多尺度采集获得第一尺度数据和第二尺度数据；对第一尺度数据和第二尺度数据进行特征融合，获得目标融合特征；根据目标融合特征利用数据预测模型进行数据分析，获得目标预测结果。解决了相关技术中往往无法有效地筛选出对预测模型最有用的特征，这可能会导致预测模型的预测效果不佳问题，并提高了数据预测分析的质量。技术研发人员：孙家鑫受保护的技术使用者：湖北杰创信息科技有限公司技术研发日：技术公布日：2024/9/26