[發明專利]大數據深度學習動態變量多級時空預測的人工智能方法

在審

• 申請號: 202011629913.1
• 申請日: 2020-12-30
• 公開（公告）號: CN112700883A
• 公開（公告）日: 2021-04-23
• 發明（設計）人: 朱定局
• 申請（專利權）人: 華南師范大學
• 主分類號: G16H50/80
• 分類號: G16H50/80;G06N3/08;G06F16/29
• 代理公司: 廣州華進聯合專利商標代理有限公司 44224
• 代理人: 吳平

1.一種人工智能方法，其特征在于，所述方法包括：

獲取單時單空變量集合步驟：獲取每一時間每一空間的輸入變量集合和輸出變量集合；

獲取待選輸入變量集合步驟：獲取所述每一時間所述每一空間的輸入變量集合的每一輸入變量子集，作為所述每一時間所述每一空間的每一待選輸入變量集合；

初始化待選單時單空模型步驟：根據所述每一時間所述每一空間的所述每一待選輸入變量集合和所述輸出變量集合，初始化深度學習神經網絡模型作為所述每一時間所述每一空間的所述每一待選輸入變量集合對應的單時單空預測深度學習模型；

單時單空模型訓練步驟：將所述每一時間所述每一空間的每一待選輸入變量集合對應的數據作為輸入，將所述每一時間所述每一空間的所述輸出變量集合對應的數據作為預期輸出，對所述每一時間所述每一空間的所述每一待選輸入變量集合對應的單時單空預測深度學習模型進行第一訓練；不同的單時單空預測深度學習模型的參數根據預設進行共享或部分共享或不共享；

單時單空模型測試步驟：在測試時，將所述每一時間所述每一空間的每一待選輸入變量集合對應的數據作為輸入，通過所述每一時間所述每一空間的所述每一待選輸入變量集合對應的單時單空預測深度學習模型的計算，得到的輸出作為所述每一時間所述每一空間的所述輸出變量集合對應的預測結果；

最優單時預測深度學習模型步驟：通過測試獲取所述每一時間所述每一空間的所述每一待選輸入變量集合對應的單時單空預測深度學習模型的預測效果，獲取預測效果最好的所述每一時間所述每一空間的所述每一待選輸入變量集合對應的單時單空預測深度學習模型，作為所述每一時間所述每一空間的最優單時單空預測深度學習模型；

最優單時預測深度學習模型步驟：在使用時，將所述每一時間所述每一空間的輸入變量集合對應的數據作為輸入，通過所述每一時間所述每一空間的最優單時單空預測深度學習模型的計算，得到的輸出作為所述每一時間所述每一空間的輸出變量集合對應的預測結果。

2.根據權利要求1所述的人工智能方法，其特征在于，所述方法還包括：

獲取多時多空變量集合步驟：獲取每M個時間每N個空間中每一時間每一空間的所述每一待選輸入變量集合對應的單時單空預測深度學習模型的第一預設隱層的輸出的特征數據的集合的聯合，作為所述每M個時間所述每N個空間的每一待選輸入變量集合；獲取每M個時間每N個空間的輸出變量集合；

初始化待選多時多空模型步驟：根據所述每M個時間所述每N個空間的所述每一待選輸入變量集合和所述輸出變量集合，初始化深度學習神經網絡模型作為所述每M個時間所述每N個空間的所述每一待選輸入變量集合對應的待選多時多空預測深度學習模型；

多時多空模型訓練步驟：將所述每M個時間所述每N個空間的每一待選輸入變量集合對應的數據作為輸入，將所述每M個時間所述每N個空間的所述輸出變量集合對應的數據作為預期輸出，對所述每M個時間所述每N個空間的所述每一待選輸入變量集合對應的多時多空預測深度學習模型進行第一訓練；不同的多時多空預測深度學習模型的參數根據預設進行共享或部分共享或不共享；

多時多空模型測試步驟：在測試時，通過所述每M個時間所述每N個空間的每一待選輸入變量集合對應的所有單時單空預測深度學習模型的計算得到所述每M個時間所述每N個空間的每一待選輸入變量集合對應的數據，將所述每M個時間所述每N個空間的每一待選輸入變量集合對應的數據作為輸入，通過所述每M個時間所述每N個空間的所述每一待選輸入變量集合對應的多時多空預測深度學習模型的計算，得到的輸出作為所述每M個時間所述每N個空間的所述輸出變量集合對應的預測結果；

最優多時多空預測深度學習模型步驟：通過測試獲取所述每M個時間所述每N個空間的所述每一待選輸入變量集合對應的多時多空預測深度學習模型的預測效果，獲取預測效果最好的所述每M個時間所述每N個空間的所述每一待選輸入變量集合對應的多時多空預測深度學習模型，作為所述每M個時間所述每N個空間的多時多空預測深度學習模型；獲取預測效果最好的所述每M個時間所述每N個空間的所述每一待選輸入變量集合對應的所述每M個時間所述每N個空間中每一時間每一空間的所述每一待選輸入變量集合對應的單時單空預測深度學習模型作為所述每M個時間所述每N個空間中每一時間每一空間的最優單時單空預測深度學習模型；

最優多時多空預測深度學習模型測試步驟：在使用時，通過所述每M個時間所述每N個空間中每一時間每一空間的最優單時單空預測深度學習模型的計算得到所述每M個時間所述每N個空間的輸入變量集合對應的數據，將所述每M個時間所述每N個空間的輸入變量集合對應的數據作為輸入，通過所述每M個時間所述每N個空間的輸入變量集合對應的多時多空預測深度學習模型的計算，得到的輸出作為所述每M個時間所述每N個空間的輸出變量集合對應的預測結果。