The present invention relates to a system and a monitoring method of population, including obtaining the population related data and establish database of population resources; population resource database pretreatment, including data extraction, transformation, cleaning and loading; analysis of the data obtained by the prediction results, obtained useful data. Population monitoring method of the present invention, ETL and wavelet neural network to the actual city population, employment, social security, the government is concerned about population data preprocessing based on the realization of data cleaning and analysis, using ETL tools for data cleaning of population data, and through the cleaning of data after wavelet neural network analysis, get the prediction of population the results provide a reference for the establishment of policy.
【技术实现步骤摘要】
一种人口监测方法及系统
本专利技术涉及数据处理领域,具体涉及一种人口监测方法及系统。
技术介绍
新型智慧城市以为民服务全程全时、城市治理高效有序、数据开放共融共享、经济发展绿色开源、网络空间安全清朗为主要目标。为实现该目标,需对城市海量跨业务部门数据进行统一融合、展现及管理,生成城市融合信息资源库,实现信息资源的统一发布、按需订阅和交流互动等功能,可面向城市各业务系统、各委办局、社会公众提供信息资源服务化共享的核心基础支持能力。多源信息融合方法提供了信息转换及信息聚合处理的业务服务,融合统一多源异构的资源信息,为跨系统、跨领域的信息交换提供动态、可扩展的信息格式与内容转换能力。目前,文献《哈尔滨市社区卫生服务信息系统设计与实现》中提出一种信息系统,其方法为:完成数据抽取到数据集市,建立数据立方体,C#通过MDX语言调用立方体中的数据元,实现了健康档案公卫医疗与门诊医生互联、双向转诊、统计报表、专家辅助决策社区卫生服务平台的建设工作。在做发病人群数量预测时,首先采用层次分析模型解决一些难以采集因素、与基于时间序列小波神经网络发病人群数量的权重分析,再将分析的权重结果 ...
【技术保护点】
一种人口监测方法,包括:S1:获取人口相关的数据信息并建立人口资源数据库;S2:对人口资源数据库进行预处理,包括数据抽取、转换、清洗和加载;S3:对得到的数据进行分析,得到有益数据的预测结果。
【技术特征摘要】
1.一种人口监测方法,包括:S1:获取人口相关的数据信息并建立人口资源数据库;S2:对人口资源数据库进行预处理,包括数据抽取、转换、清洗和加载;S3:对得到的数据进行分析,得到有益数据的预测结果。2.如权利要求1所述的人口监测方法,所述数据预处理包括:S21:使用配置信息对人口资源数据库按需抽取;S22:按照统一的目标格式对各人口资源数据库数据进行转换;S23:对转换后的人口资源数据库进行异常处理和重复检测,完成数据清洗;S24:将清洗后的数据生成目标数据库。3.如权利要求1所述的人口监测方法,步骤S21所述配置信息包括所述人口资源数据库的类型,所述人口资源数据库中数据表的类型,所述人口资源数据库中数据表的字段,所述人口资源数据库数据转换、数据清洗的数据类型及最终导入目标数据库名称。4.如权利要求1所述的人口监测方法,步骤S22所述统一的目标格式为:姓名,性别,民族,身份证号,政治面貌,婚育情况,户籍地,工作单位,联系方式。5.如权利要求1所述的人口监测方法,所述数据分析对预处理后的人口数据进行小波分解,所述小波分解函数选用Morlet母小波基函数,利用神经网络对分解后的数据进行训练,并将训练结果相加进行小波重构,并得到人口预测结果。6.如权利要求1所述的人口监测方法,所述数据分析包括:S31:对数据预处理后的人口数据进行归一化处理:其中,x′i为将第i个样本值处理后得到的样本值;xmin为样本中最小值;xmax为样本中最大值;S32:神经网络初始化,选用三层的网络结构,设置输入层、隐层和输出层神经元的个数;将网络的伸缩因子、平移因子以及网络的连接权值赋予随机的初始值;S33:确定小波函数,以Morlet小波函数作为隐层神经元的激励函数h(x)=cos(1.75x)·exp(-x2/2);S34:利用小波神经网络进行计算,并定义误差函数:其中,yp为在第p个模式样本下的实际输出值;为在第p个模式样本下的目标输出值;为C[0,T]空间中的一组有限基函数,T为预测时域的上限值;以Morlet小波作为隐含层的变换基函数,则有:
【专利技术属性】
技术研发人员:沈自然,孙亭,李毅,陈思,叶云,丁杰,
申请(专利权)人:中国电子科技集团公司第二十八研究所,
类型:发明
国别省市:江苏,32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。