[發明專利]微區域流動參量的預測方法和裝置

有效

• 申請號: 201410039161.1
• 申請日: 2014-01-26
• 公開（公告）號: CN103761442B
• 公開（公告）日: 2017-05-17
• 發明（設計）人: 杜翠鳳;陸蕊;蔣仕寶
• 申請（專利權）人: 廣州杰賽科技股份有限公司
• 主分類號: G06F19/00
• 分類號: G06F19/00
• 代理公司: 廣州華進聯合專利商標代理有限公司44224
• 代理人: 王茹,曾旻輝

技術領域

本發明涉及數據挖掘技術領域，特別是涉及一種微區域流動參量的預測方法和裝置。

背景技術

現有技術無法及時獲取微區域（如一個片區等小經營單位）流動參量（變化頻繁的數據）的情況，不能實時了解微區域流動參量的狀態，微區域一直處于“黑箱子”狀態，影響微區域各種方案的規劃、實施。

發明內容

基于上述情況，本發明提出了一種微區域流動參量的預測方法，獲取微區域流動參量的狀態，結合實際利用資源，具有很好的應用價值。

為了實現上述目的，本發明的技術方案為：

一種微區域流動參量的預測方法，包括以下步驟：

收集宏區域的固定參量A的時間序列和流動參量B的時間序列；

根據宏區域與各微區域關系，對所收集的宏區域的固定參量A的時間序列進行分類、匯總，得到各微區域的固定參量A的時間序列；

基于所收集的宏區域的固定參量A的時間序列和流動參量B的時間序列，利用擴展卡爾曼濾波的狀態方程，得到固定參量A的時間序列和流動參量B的時間序列之間的關系；

基于所得到的各微區域的固定參量A的時間序列，利用所求得的固定參量A的時間序列和流動參量B的時間序列之間的關系，得到各微區域的流動參量B的時間序列預測值；

根據所獲得的各微區域的固定參量A的時間序列和流動參量B的時間序列預測值對各微區域進行資源優化。

針對現有技術問題，本發明還提出了一種微區域流動參量的預測裝置，改善現有微區域“黑箱子”的現狀，適合應用。

具體實現方式為：一種微區域流動參量的預測裝置，包括：

收集模塊，用于收集宏區域的固定參量A的時間序列和流動參量B的時間序列；

分類匯總模塊，用于根據宏區域與各微區域關系，對所收集的宏區域的固定參量A的時間序列進行分類、匯總，得到各微區域的固定參量A的時間序列；

處理模塊，基于所收集的宏區域的固定參量A的時間序列和流動參量B的時間序列，利用擴展卡爾曼濾波的狀態方程，得到固定參量A的時間序列和流動參量B的時間序列之間的關系；

預測模塊，基于所得到的各微區域的固定參量A的時間序列，利用所求得的固定參量A的時間序列和流動參量B的時間序列之間的關系，得到各微區域的流動參量B的時間序列預測值；

優化模塊，用于根據所獲得的各微區域的固定參量A的時間序列和流動參量B的時間序列預測值對各微區域進行資源優化。

與現有技術相比，本發明的有益效果為：本發明微區域流動參量的預測方法和裝置，先收集宏區域的固定參量A的時間序列和流動參量B的時間序列；然后根據宏區域與各微區域關系，對所收集的宏區域的固定參量A的時間序列進行分類、匯總，得到各微區域的固定參量A的時間序列；再基于所收集的宏區域的固定參量A的時間序列和流動參量B的時間序列，利用擴展卡爾曼濾波的狀態方程，得到固定參量A的時間序列和流動參量B的時間序列之間的關系；再基于所得到的各微區域的固定參量A的時間序列，利用所求得的固定參量A的時間序列和流動參量B的時間序列之間的關系，得到各微區域的流動參量B的時間序列預測值；最后根據所獲得的各微區域的固定參量A的時間序列和流動參量B的時間序列預測值對各微區域進行資源優化。使用本發明的技術后，改變了微區域“黑箱子”的現狀，預測微區域流動參量的狀態，根據預測結果利用資源，使資源得到優化，同時利用擴展卡爾曼算法，獲得結果準確，誤差率低，具有很好的應用價值。

附圖說明

圖1為一個實施例中微區域流動參量的預測方法的流程示意圖；

圖2為一個實施例中微區域流動參量的預測裝置的結構示意圖。

具體實施方式

為使本發明的目的、技術方案及優點更加清楚明白，以下結合附圖及實施例，對本發明進行進一步的詳細說明。應當理解，此處所描述的具體實施方式僅僅用以解釋本發明，并不限定本發明的保護范圍。

一個實施例中微區域流動參量的預測方法，如圖1所示，包括以下步驟：

步驟S101：收集宏區域（如一個省或市等常規的行政區域）的固定參量A（變化很少的數據）的時間序列和流動參量B（變化頻繁的數據）的時間序列；

步驟S102：根據宏區域與各微區域（如一個片區等小經營單位）關系，對所收集的宏區域的固定參量A的時間序列進行分類、匯總，得到各微區域的固定參量A的時間序列；