[發明專利]航站樓出港人數的預測方法和系統

在審

• 申請號: 201711273214.6
• 申請日: 2017-12-06
• 公開（公告）號: CN107894970A
• 公開（公告）日: 2018-04-10
• 發明（設計）人: 林文豪;蔣俊;夏侯康;麥釗明
• 申請（專利權）人: 廣東機場白云信息科技有限公司
• 主分類號: G06F17/18
• 分類號: G06F17/18;G06N3/08;G06Q10/06;G06Q50/30
• 代理公司: 北京捷誠信通專利事務所(普通合伙)11221
• 代理人: 王衛東

1.一種航站樓出港人數的預測方法，其特征在于，包括：

步驟1，獲取上一時段的交通數據x；

步驟2，根據交通數據x使用一元線性回歸法預測上一時段的出港人數N01；

步驟3，對交通數據x進行歸一化處理，使用BP神經網絡預測上一時段的出港人數N02；

步驟4，獲取上一時段的實際出港人數N0；

步驟5，根據N01、N02和N0，判斷使用一元線性回歸法還是BP神經網絡來預測當前時段的出港人數N1。

2.如權利要求1所述航站樓出港人數的預測方法，其特征在于，步驟1包括：獲取上一時段的原始交通數據x0；

剔除x0中的離群值；

獲得剔除x0中的離群值后的交通數據x。

3.如權利要求2所述航站樓出港人數的預測方法，其特征在于，步驟2包括：

將確定為回歸模型，然后根據最小二乘法，計算獲得最佳回歸系數；再將最佳回歸系數和交通數據x據代入回歸模型，計算獲得出港人數N01；其中a和b表示回歸系數，表示所預測的值。

4.如權利要求2所述航站樓出港人數的預測方法，其特征在于，步驟3包括：

步驟31，預設包括輸入層、隱含層和輸出層的BP神經網絡；

步驟32，將預設區間的隨機值作為網絡的權值和閾值進行網絡初始化，并設定訓練可接受精度ε和網絡的最多學習次數；

步驟33，計算隱含層的輸出和輸出層的輸出；

步驟34，根據隱含層的輸出和輸出層的輸出計算每層的輸出誤差d；

步驟35，判斷輸出誤差d是否小于可接受精度ε并且訓練次數是否大于最大訓練次數，若判斷為否，則修正網絡的權值和閾值返回步驟32重新計算，直至判斷結果為輸出誤差d小于可接受精度ε并且訓練次數大于最大訓練次數；

步驟36，根據交通數據x，使用輸出誤差d小于可接受精度ε的BP神經網絡獲得出港人數N02。

5.如權利要求3或4所述航站樓出港人數的預測方法，其特征在于，步驟5包括：

計算N01和N0之間相減的絕對值a；

計算N02和N0之間相減的絕對值b；

若a＜b，則使用一元線性回歸法來預測當前時段的出港人數N1；否則，使用BP神經網絡來預測當前時段的出港人數N1。

6.一種航站樓出港人數的預測系統，其特征在于，包括：

數據獲取模塊，用于獲取上一時段的交通數據x；

線性回歸預測模塊，用于根據交通數據x使用一元線性回歸法預測上一時段的出港人數N01；

神經網絡預測模塊，用于對交通數據x進行歸一化處理，使用BP神經網絡預測上一時段的出港人數N02；

數據獲取模塊，還用于獲取上一時段的實際出港人數N0；

預測選擇模塊，用于根據N01、N02和N0，判斷使用一元線性回歸法還是BP神經網絡來預測當前時段的出港人數N1。

7.如權利要求6所述航站樓出港人數的預測系統，其特征在于，數據獲取模塊具體用于獲取上一時段的原始交通數據x0，然后剔除x0中的離群值，獲得剔除x0中的離群值后的交通數據x。

8.如權利要求7所述航站樓出港人數的預測系統，其特征在于，線性回歸預測模塊具體用于將y ?=a+bx 確定為回歸模型，然后根據最小二乘法，計算獲得最佳回歸系數；再將最佳回歸系數和交通數據x據代入回歸模型，計算獲得出港人數N01；其中a和b表示回歸系數，y ?表示所預測的值。

9.如權利要求7所述航站樓出港人數的預測系統，其特征在于，神經網絡預測模塊具體用于預設包括輸入層、隱含層和輸出層的BP神經網絡；

首先將預設區間的隨機值作為網絡的權值和閾值進行網絡初始化，并設定訓練可接受精度ε和網絡的最多學習次數；

其次計算隱含層的輸出和輸出層的輸出；再次根據隱含層的輸出和輸出層的輸出計算每層的輸出誤差d；

然后判斷輸出誤差d是否小于可接受精度ε并且訓練次數是否大于最大訓練次數，若判斷為否，則修正網絡的權值和閾值返回步驟32重新計算，直至判斷結果為輸出誤差d小于可接受精度ε并且訓練次數大于最大訓練次數；

最終根據交通數據x，使用輸出誤差d小于可接受精度ε的BP神經網絡獲得出港人數N02。

10.如權利要求8或9所述航站樓出港人數的預測系統，其特征在于，預測選擇模塊具體用于計算N01和N0之間相減的絕對值a以及N02和N0之間相減的絕對值b；若a＜b，則預測選擇模塊使用一元線性回歸法來預測當前時段的出港人數N1；否則，預測選擇模塊使用BP神經網絡來預測當前時段的出港人數N1。