[發明專利]一種基于社會宏觀經濟指標的聯動神經網絡模型的案件趨勢動態預測方法

在審

• 申請號: 201910565913.0
• 申請日: 2019-06-26
• 公開（公告）號: CN110288238A
• 公開（公告）日: 2019-09-27
• 發明（設計）人: 吳明勇;杜向陽
• 申請（專利權）人: 南京擎盾信息科技有限公司
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06Q50/18
• 代理公司: 蘇州拓云知識產權代理事務所(普通合伙) 32344
• 代理人: 馬鴻杰

1.一種基于社會宏觀經濟指標的聯動神經網絡模型的案件趨勢動態預測方法，其特征在于，該案件趨勢動態預測方法通過網絡爬蟲或者直接獲取的方式，獲取到某地區的多個社會宏觀經濟指標的歷史數據和某類型案件歷史數據之后，進行建模和預測，其包括以下步驟：

(i)利用社會宏觀經濟指標來預測案件趨勢，給案件變動提供了可解釋性因子；

(ii)利用聯動神經網絡模型來建立多個社會宏觀經濟指標和案件數量之間的函數映射關系，可以定量描述社會宏觀經濟指標之間的相關關系就以及社會宏觀經濟指標和案件數量之間的相關關系；

(iii)通過修改社會宏觀經濟指標未來的模型預測值，動態觀察案件數量的變動情況。

2.根據權利要求1所述的一種基于社會宏觀經濟指標的聯動神經網絡模型的案件趨勢動態預測方法，其特征在于，建模步驟如下：

(1)模型假設：為了以下算法細節以及公式描述的方便性，假設有A、B、C、D四個社會宏觀經濟指標，案件數量用N來表示，i表示第i年，第一年對應的i為1。

(1.1)訓練指標趨勢外推模型：經過數據可視化觀察和分析，發現指標的趨勢比較明顯，大部分呈現出穩步上升的趨勢，因此，利用可以使用模型來擬合它們的趨勢。先利用神經網絡對A、B、C、D分別訓練趨勢外推模型，模型的輸入是i，輸出是對應的每年的指標的值。其中，所述的趨勢外推模型為時間序列模型、回歸模型或者神經網絡模型，模型訓練完成之后預測未來一年的指標值，預測的指標值用于后續預測案件數量未來一年的值。

(1.2)訓練指標-案件數量相關模型：經過分析發現，指標和案件之間呈現出較強的相關關系，包括正相關和負相關。根據機器學習模型在數據分布為正態分布或者近似正態分布時的有效性，將數據進行一定的處理和轉換，使得數據近似滿足正態分布。然后分別利用神經網絡模型建立四個指標A、B、C、D和N的相關模型，分別記為模型：A-N、B-N、C-N、D-N，其中指標是自變量，案件數量是因變量；

(1.3)組合以上模型，用于案件趨勢預測：

將以上A-N、B-N、C-N、D-N四個模型合并成一個模型，合并的方法是加權求和，每個模型的權重為計算出j＝1，2，3，4之后歸一化的結果。

上述公式中的：

w_j表示加權求和的第j個模型對最終案件影響的權重(歸一化之前)；

loss_j訓練第j個模型所產生的損失；

ρ_j指標與案件數量的相關系數；

var(a_j)模型預測歷史案件的增幅的標準差。