[發明專利]一種基于張量GRU神經網絡的地鐵流量預測方法

有效

• 申請號: 202010419486.8
• 申請日: 2020-05-18
• 公開（公告）號: CN111709553B
• 公開（公告）日: 2023-05-23
• 發明（設計）人: 洪科偉;程雨夏;吳卿
• 申請（專利權）人: 杭州電子科技大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/30;G06N3/0464;G06N3/08
• 代理公司: 杭州君度專利代理事務所(特殊普通合伙) 33240
• 代理人: 楊舟濤

1.一種基于張量GRU神經網絡的地鐵流量預測方法，其特征在于，該方法具體包括以下步驟：

1)取某一時段各個地鐵站各時段刷卡的具體數據作為數據集，對數據集進行清洗以及篩選，分別找到以地鐵站，地鐵線路，節假日類型作為各階數據的維度，組成一個高階張量；

2)在輸入GRU神經網絡前，對每次的輸入按照階進行歸一化，同時保證標簽數據與輸入數據共享同一組均值方差；根據網絡輸出的維度對輸入數據進行z-score標準化，得到均值張量M和標準差張量St；K₁×K₂×…×K_N形狀的N階張量按照階展開；

3)將步驟2)處理后的數據分割成每一個時間步X輸入到GRU神經網絡中，在每一個張量GRU運算單元中，通過將權重W與X進行愛因斯坦乘得到隱藏層的張量狀態，愛因斯坦積的具體表達式為：

其中A和B分別代表一個N階張量和一個N+M階張量，k_N代表張量第N階的維度大小，將按照階的順序從k₁到k_N依次進行對應下標元素的相乘然后進行求和運算將N階縮減到1階使得結果為M階張量；通過張量GRU內部的更新門和重置門的運算得到最后的隱藏層狀態H，用作輸出或作下一時間步的輸入；通過規定的時間步長的計算后，得到的結果張量H，該張量就是得到的隱藏層狀態H；

4)將得到的輸出H與同樣在輸入前進行歸一化的標簽進行損失計算，采用張量距離作為抓住高階張量結構特性的損失函數：

其中l和m分別代表兩個張量的下標，x_l，y_l，x_m，y_m分別代表兩個張量的對應的下標的元素值，表示對應下標的元素值的歐式距離，通過反向傳播機制更新每一個時刻的W_i權重張量,i代表輸出的某一個時間步，

對于不同epoch，重復執行步驟3)到步驟4)，直到epoch結束再執行下一步；

5)當epoch結束后，取得步驟3)的結果，根據M和St將網絡的輸出進行反歸一化，取得反歸一化后的張量中的有效維度作為網絡最后預測的結果值，即得到了最終的流量預測值。