[發(fā)明專利]一種基于ARMA算法預(yù)測人群聚集趨勢的方法

有效

• 申請?zhí)枺?/td>: 202010588491.1
• 申請日: 2020-06-24
• 公開（公告）號: CN111768031B
• 公開（公告）日: 2023-09-19
• 發(fā)明（設(shè)計）人: 閔圣捷;饒定遠(yuǎn);方波;李小龍;謝濤;曹偉;董靜宜;魏卓;唐雷;鄧?yán)桌?/a>
• 申請（專利權(quán)）人: 中電科華云信息技術(shù)有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06F16/29
• 代理公司: 上海伯瑞杰知識產(chǎn)權(quán)代理有限公司 31227
• 代理人: 王一琦

1.一種基于ARMA算法預(yù)測人群聚集趨勢的方法，其特征在于，所述基于ARMA算法預(yù)測人群聚集趨勢的方法包括如下步驟：

獲取預(yù)置場所的待預(yù)測日的當(dāng)日活動信息以及所述待預(yù)測日之前p日內(nèi)的每日聚集人數(shù)值和每日活動信息，其中所述p為自然數(shù)；

基于所述當(dāng)日活動信息和所述p日內(nèi)的每日聚集人數(shù)值和每日活動信息得到所述待預(yù)測日的預(yù)測聚集人數(shù)值；

獲取所述待預(yù)測日之前r日內(nèi)的每日聚集人數(shù)值，并基于所述r日內(nèi)的每日聚集人數(shù)值和所述預(yù)測聚集人數(shù)值確認(rèn)所述預(yù)測聚集人數(shù)值是否為異常，若是，則顯示所述預(yù)測聚集人數(shù)值為異常，其中所述r為不大于p的自然數(shù)；

所述基于所述當(dāng)日活動信息和所述p日內(nèi)的每日聚集人數(shù)值和每日活動信息確認(rèn)所述待預(yù)測日的預(yù)測聚集人數(shù)值包括如下步驟：

基于所述當(dāng)日活動信息按照預(yù)設(shè)分級規(guī)則確定所述待預(yù)測日的活動等級N_t；

基于所述活動等級N_t和所述p日內(nèi)的每日聚集人數(shù)值和每日活動信息訓(xùn)練得到如下預(yù)測函數(shù)Y_t：

其中，t為待預(yù)測日，p為所述待預(yù)測日t前推的天數(shù)，p和q數(shù)值相同；

中的Y_t-1為待預(yù)測日t的前一日聚集人數(shù)，為聚集權(quán)重；

為誤差項，e_t-1為預(yù)測第t日的前一日預(yù)測的誤差值，為誤差權(quán)重；

β_tN_t為當(dāng)日活動信息的影響因子，β_t為活動權(quán)重，N_t為活動等級；

基于所述預(yù)測函數(shù)Y_t得到所述待預(yù)測日的預(yù)測聚集人數(shù)值；

所述活動等級取值為0—4的整數(shù)，所述基于所述當(dāng)日活動信息按照預(yù)設(shè)分級規(guī)則確定所述待預(yù)測日的活動等級N_t包括如下步驟：

基于所述當(dāng)日活動信息在預(yù)設(shè)數(shù)據(jù)庫查找相同活動的活動參與人數(shù)，若查找不到，則所述待預(yù)測日的活動等級N_t為0；

若查找到，讀取與所述待預(yù)測日最鄰近的活動參與人數(shù)值，并基于預(yù)設(shè)分級規(guī)則確認(rèn)活動等級N_t，其中，所述預(yù)設(shè)分級規(guī)則如下：

當(dāng)所述活動參與人數(shù)值小于500人時，所述待預(yù)測日的活動等級N_t為1；

當(dāng)所述活動參與人數(shù)值不小于500人而小于2000人，所述待預(yù)測日的活動等級N_t為2；

當(dāng)所述活動參與人數(shù)值不小于2000人而小于5000人，所述待預(yù)測日的活動等級N_t為3；

當(dāng)所述活動參與人數(shù)值不小于5000人，所述待預(yù)測日的活動等級N_t為4；

所述聚集權(quán)重和所述誤差權(quán)重的取值范圍為0—10的整數(shù)，所述基于所述活動等級N_t和所述p日內(nèi)的每日聚集人數(shù)值和每日活動信息訓(xùn)練得到預(yù)測函數(shù)Y_t包括如下步驟：

將所述p日內(nèi)的每日聚集人數(shù)值和每日活動信息轉(zhuǎn)換為矩陣，使用RANDOM函數(shù)將所述聚集權(quán)重、所述誤差權(quán)重的初始隨機(jī)權(quán)重分別賦值為0—10的整數(shù)，前向傳播計算出預(yù)估值之后，利用最小二乘法計算預(yù)估值與真實值之間的損失值Loss函數(shù)：

其中，y_i為預(yù)估值，為真實值；

按照預(yù)設(shè)終止規(guī)則結(jié)合梯度下降法迭代得到所述聚集權(quán)重或者所述誤差權(quán)重的最終權(quán)重參數(shù)θ₁：

其中，θ₀為所述聚集權(quán)重或所述誤差權(quán)重的初始隨機(jī)權(quán)重，為所述Loss函數(shù)每一次下降的逆導(dǎo)數(shù)，為學(xué)習(xí)率；

所述預(yù)設(shè)終止規(guī)則包括如下條件之一：

所述Loss函數(shù)的平均損失值不大于1；

迭代次數(shù)達(dá)到五萬次且最近十次平均損失值的減小小于0.001；

所述的取值為0.1。