[發(fā)明專利]基于氣象事件的transformer模型構(gòu)建方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202210076331.8
• 申請(qǐng)日: 2022-01-24
• 公開(kāi)（公告）號(hào): CN114091361B
• 公開(kāi)（公告）日: 2022-05-17
• 發(fā)明（設(shè)計(jì)）人: 張博鑫;張晶;王晨;孟健;馬政宇;肖夏;李寧寧;張中澤;尹月華;李茂瑩
• 申請(qǐng)（專利權(quán)）人: 中汽數(shù)據(jù)（天津）有限公司
• 主分類號(hào): G06F30/27
• 分類號(hào): G06F30/27;G06N3/04;G06N3/08
• 代理公司: 暫無(wú)信息
• 代理人: 暫無(wú)信息

本發(fā)明實(shí)施例公開(kāi)了一種基于氣象事件的transformer模型構(gòu)建方法，涉及數(shù)學(xué)建模技術(shù)領(lǐng)域。其中，方法包括：確定每個(gè)氣象事件對(duì)目標(biāo)物的需求量的影響權(quán)重；得到每個(gè)歷史時(shí)段的氣象綜合影響權(quán)重；根據(jù)每個(gè)氣象事件對(duì)所述需求量的影響權(quán)重和后續(xù)時(shí)段每個(gè)氣象事件出現(xiàn)的次數(shù)，得到后續(xù)時(shí)段的氣象綜合影響權(quán)重；將多個(gè)歷史時(shí)段的氣象綜合影響權(quán)重、多個(gè)歷史時(shí)段的歷史需求量以及后續(xù)時(shí)段的氣象綜合影響權(quán)重輸入至transformer模型，使所述transformer模型的輸出逼近后續(xù)時(shí)段的需求量真實(shí)值。本實(shí)施例引入氣象事件對(duì)需求量的影響權(quán)重，構(gòu)建transformer模型，提高預(yù)測(cè)準(zhǔn)確性。

技術(shù)領(lǐng)域

本發(fā)明實(shí)施例涉及數(shù)學(xué)建模技術(shù)，尤其涉及一種基于氣象事件的transformer模型構(gòu)建方法。

背景技術(shù)

很多物資的需求量會(huì)受天氣事件的影響，例如雨雪天氣會(huì)使汽車備件、防汛物資等的需求量上升。對(duì)于供應(yīng)商來(lái)說(shuō)，準(zhǔn)備充足的物資直接影響到消費(fèi)者的滿意度甚至是社會(huì)的正常運(yùn)轉(zhuǎn)。

目前，供應(yīng)商一般是收聽(tīng)天氣預(yù)報(bào)后，憑借以往經(jīng)驗(yàn)儲(chǔ)備一定數(shù)量的物資，但是人為經(jīng)驗(yàn)的準(zhǔn)確性太低。而對(duì)于現(xiàn)有的預(yù)測(cè)模型，無(wú)法區(qū)分氣象事件對(duì)預(yù)測(cè)值的影響程度，且不會(huì)考慮未來(lái)的氣象事件，從而預(yù)測(cè)的準(zhǔn)確性偏低。

發(fā)明內(nèi)容

本發(fā)明實(shí)施例提供一種基于氣象事件的transformer模型構(gòu)建方法、設(shè)備和介質(zhì)，引入氣象事件對(duì)需求量的影響權(quán)重，構(gòu)建預(yù)測(cè)模型——transformer模型，以便得到可以預(yù)測(cè)未來(lái)需求量的模型，提高預(yù)測(cè)準(zhǔn)確性。

第一方面，本發(fā)明實(shí)施例提供了一種基于氣象事件的transformer模型構(gòu)建方法，

確定多個(gè)氣象事件，以及每個(gè)氣象事件對(duì)目標(biāo)物的需求量的影響權(quán)重；

根據(jù)每個(gè)氣象事件對(duì)所述需求量的影響權(quán)重和每個(gè)歷史時(shí)段每個(gè)氣象事件出現(xiàn)的次數(shù)，得到每個(gè)歷史時(shí)段的氣象綜合影響權(quán)重；

根據(jù)每個(gè)氣象事件對(duì)所述需求量的影響權(quán)重和后續(xù)時(shí)段每個(gè)氣象事件出現(xiàn)的次數(shù)，得到后續(xù)時(shí)段的氣象綜合影響權(quán)重；

將多個(gè)歷史時(shí)段的氣象綜合影響權(quán)重、多個(gè)歷史時(shí)段的歷史需求量以及后續(xù)時(shí)段的氣象綜合影響權(quán)重作為訓(xùn)練樣本輸入至初始的transformer模型，通過(guò)迭代transformer模型的參數(shù)，使所述transformer模型的輸出逼近后續(xù)時(shí)段的需求量真實(shí)值。

第二方面，本發(fā)明實(shí)施例還提供了一種電子設(shè)備，其特征在于，包括：

一個(gè)或多個(gè)處理器；

存儲(chǔ)器，用于存儲(chǔ)一個(gè)或多個(gè)程序，

當(dāng)所述一個(gè)或多個(gè)程序被所述一個(gè)或多個(gè)處理器執(zhí)行，使得所述一個(gè)或多個(gè)處理器實(shí)現(xiàn)如任一實(shí)施例所述的基于氣象事件的transformer模型構(gòu)建方法。

第三方面，本發(fā)明實(shí)施例還提供了一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，其特征在于，該程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)任一實(shí)施例所述的基于氣象事件的transformer模型構(gòu)建方法。

本發(fā)明實(shí)施例首先確定多個(gè)氣象事件以及對(duì)目標(biāo)物的需求量的影響權(quán)重，進(jìn)而得到每個(gè)歷史時(shí)段的氣象綜合影響權(quán)重，以及后續(xù)時(shí)段的氣象綜合影響權(quán)重，即得到了多個(gè)氣象事件在整個(gè)時(shí)間段內(nèi)對(duì)需求量的綜合影響；本實(shí)施例將氣象綜合影響權(quán)重和歷史需求量共同作為訓(xùn)練樣本，以便學(xué)習(xí)到氣象對(duì)需求量的影響；將后續(xù)時(shí)段的氣象綜合影響權(quán)重也作為訓(xùn)練樣本，以便得到在后續(xù)時(shí)段氣象影響下的需求量預(yù)測(cè)值。此外，本實(shí)施例采用transformer模型作為預(yù)測(cè)模型，利用transformer模型的核心原理：Attention機(jī)制，不僅可以提取需求量中的周期性、趨勢(shì)性特征，還可以通過(guò)后續(xù)時(shí)段的氣象綜合影響權(quán)重，解析對(duì)未來(lái)需求的實(shí)際影響。

附圖說(shuō)明