(19)中华 人民共和国 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 202111550596.9 (22)申请日 2021.12.17 (71)申请人 中国电信股份有限公司 地址 100033 北京市西城区金融大街31号 (72)发明人 薛龙　谢晓军　张会炎　周奇　 黄泽源　 (74)专利代理 机构 中国贸促会专利商标事务所 有限公司 1 1038 代理人 曹蓓 (51)Int.Cl. G06N 20/00(2019.01) G06Q 10/04(2012.01) (54)发明名称 预测方法、 装置和存 储介质 (57)摘要 本公开提出一种预测方法、 装置和存储介 质， 涉及机器学习技术领域。 本公开的一种预测 方法， 包括： 在通过第一机器学习模型执行预测 操作的过程中， 获取第一机器学习模 型在预定时 间段内的预测准确率； 当预定时间段内的预测准 确率小于第一阈值时， 将预定时间段内的数据作 为补充样本数据扩充样本库， 并训练第一机器学 习模型， 获取第二机器学习模型； 在第二机器学 习模型对扩充后的样本库中样本的预测准确率 大于第二阈值的情况下， 确定将第一机器学习模 型更新为第二机器学习模型； 通过第一机器学习 模型执行预测操作。 通过这样的方法， 能够提高 预测的准确度。 权利要求书2页 说明书7页 附图3页 CN 114239854 A 2022.03.25 CN 114239854 A 1.一种预测方法， 包括： 在通过第一机器学习 模型执行预测操作的过程中， 获取第 一机器学习 模型在预定时间 段内的预测准确率； 当所述预定时间段内的预测准确率小于第一阈值时， 将所述预定时间段内的数据作为补充样本数据扩充样本库， 并训练所述第 一机器学习 模型， 获取第二机器学习模型； 在所述第二机器学习模型对扩充后的样本库中样本的预测准确率大于第二阈值的情 况下， 确定将所述第一机器学习模型 更新为所述第二机器学习模型； 通过所述第一机器学习模型 执行预测操作。 2.根据权利要求1所述的方法， 其中， 所述第 二阈值为所述第 一机器学习 模型对扩充前 的样本库中样本的预测准确率； 还包括： 在所述第二机器学习模型对扩充后的样本库中样本的预测准确率大于第二阈值的情 况下， 更新所述第二阈值 为所述第二 准确率。 3.根据权利要求1所述的方法， 还包括： 在所述第 二机器学习模型对扩充后的样本库中 样本的预测准确率小于等于所述第二阈值的情况 下， 将所述第二机器学习 模型回滚为所述第 一机器学习 模型， 并删除样本库中的所述补充 样本。 4.根据权利要求1所述的方法， 其中， 所述获取第 一机器学习模型预定时间段内的预测 准确率包括： 获取执行预测操作的第一机器学习模型在预定时间段内输出的预测值； 采集所述预测值预测的对应时刻的实际值； 根据所述预测值与所述实 际值的相似度确定第一准确率作为所述预定时间段内的预 测准确率。 5.根据权利要求1所述的方法， 还包括： 在所述获取第二机器学习模型后， 利用扩充后 的样本库测试所述第二机器学习模型， 获取第二准确 率， 作为所述第二机器学习模型对扩 充后的样本库中样本的预测准确率。 6.根据权利要求5所述的方法， 其中， 所述利用扩充后的样本库测试所述第 二机器学习 模型， 获取第二 准确率包括： 通过所述第 二机器学习 模型处理预定数量的所述样本库中的样本参数， 获取样本预测 结果； 根据所述样本预测结果和对应样本的标注的相似度确定第二 准确率。 7.根据权利要求1所述的方法， 还 包括： 在通过第一机器学习 模型执行预测的过程中， 以所述预定时间段为周期获取当前周期 的预测准确率， 以执 行与所述第一阈值比较的操作。 8.根据权利要求1所述的方法， 其中， 所述通过所述第 一机器学习 模型执行预测操作包 括： 获取系统访问量数据； 将所述系统访问量数据输入所述第一机器学习模型；权　利　要　求　书 1/2 页 2 CN 114239854 A 2获取所述第一机器学习模型输出的对于预定时长后的系统访问量的预测值。 9.根据权利要求1所述的方法， 还 包括： 当所述预定时间段内的预测准确率小于第一阈值时， 发出告警信息 。 10.一种预测装置， 包括： 第一准确率获取单元， 被配置为在预测单元执行预测操作的过程中， 获取第一机器学 习模型预定时间段内的预测准确率； 比较单元， 被配置为将所述预定时间段内的预测准确率与所述第一阈值比较； 训练单元， 被配置为当所述预定时间段内的预测准确率小于第一阈值时， 将所述预定 时间段内的数据作为补充样本数据扩充样本库， 并训练所述第一机器学习模型， 获取第二 机器学习模型； 更新单元， 被配置为在所述第 二机器学习 模型对扩充后的样本库中样本的预测准确率 大于第二阈值的情况 下， 确定将所述第一机器学习模型 更新为所述第二机器学习模型； 和 所述预测单 元， 被配置为通过所述第一机器学习模型 执行预测操作。 11.根据权利要求10所述的装置， 还包括： 还原单元， 被配置为在所述第二机器学习模 型对扩充后的样本库中样本的预测准确率小于等于所述第二阈值的情况下， 将所述第二机 器学习模型回滚为所述第一机器学习模型， 并删除样本库中的所述补充样本 。 12.根据权利要求10所述的装置， 还包括： 测试单元， 被配置为在所述训练单元所述获 取第二机器学习模型后， 利用扩充后的样本库测试所述第二机器学习模型， 获取第二准确 率， 作为所述第二机器学习模型对 扩充后的样本库中样本的预测准确率。 13.根据权利要求10所述的装置， 还包括： 告警单元， 被配置为当所述比较单元确定所 述预定时间段内的预测准确率小于第一阈值时， 发出告警信息 。 14.一种预测装置， 包括： 存储器； 以及 耦接至所述存储器的处理器， 所述处理器被配置为基于存储在所述存储器的指令执行 如权利要求1至9任一项所述的方法。 15.一种非瞬时性计算机可读存储介质， 其上存储有计算机程序指令， 该指令被处理器 执行时实现权利要求1至9任意 一项所述的方法的步骤。权　利　要　求　书 2/2 页 3 CN 114239854 A 3