一种基于机器学习的疏散路径推荐方法技术

本发明专利技术公开了设计一种基于机器学习的疏散路径推荐方法，包括如下步骤：步骤一，使用自动编码器的增量训练获取数据中不同因子的权重；步骤二，使用反向传播优化数据简约过程，分配不同维度的权重，将重要特征保留在低维数据中；步骤三，在完成数据简约之后使用2D散点图对数据进行可视化，并与其他降维方法共同评估性能；步骤四，设计疏散路径推荐马尔可夫奖励函数与折扣因子；步骤五，设计实现避难路径预测并进行可视化；本发明专利技术通过数据简约与机器学习的合作，扩大了马尔可夫过程应用与路径设计的范围，使不同来源的高维数据都可以在处理后进行路径预测，同时使用的增量式自编码器模型简化输入数据也为机器学习过程提升了效率与精度。

【技术实现步骤摘要】
一种基于机器学习的疏散路径推荐方法
本专利技术涉及地震避难路径方法
，具体涉及一种基于机器学习的地震避难路径推荐方法。
技术介绍
疏散路线对于大规模的应急安全管理具有重要意义。在一条良好的疏散路线的引导下，我们可以拯救许多生命和财产，特别是在我们无法依靠直觉找到出路的灾害中，例如浓烟、地震、核污染等。一个良好的疏散路线方案应该是一个全局最优的方案，可以在灾害环境中很快的被得到。然而，在灾害中有相当多的因素需要考虑。如果每个因素都是灾害数据的一维，那么灾难数据就是高维的。涉及避难路径时，需要考虑很多数据指标，比如在地震中，我们不能只把地震级数作为唯一指标考虑，应当综合多种指标共同得到结果，这就需要高维数据处理技术与机器学习方法共同的作用。已经存在几项灾害大数据疏散路线设计工作特别是随着近些年来，极端事件的大数据已成为一个重要课题，大量的研究已经开展，这些研究可为应急疏散管理提供帮助。帮助我们逃离危险区域的最有效的方法是在灾难发生时立即设计一个最佳的疏散路线。然而，在一场灾难中有许多影响因素。直接分析这种高维复杂数据的分析是困难的。因本文档来自技高网...

【技术保护点】
1.一种基于机器学习的疏散路径推荐方法，其特征在于，包括如下步骤：/n步骤一，使用自动编码器配合增量训练模型从气象数据中得到不同因子的权重系数；/n步骤二，用反向传播优化数据简约过程，分配不同维度的权重，将重要特征保留在低维数据中；/n步骤三，完成数据简约之后使用2D散点图对数据进行可视化，并与降维方法共同评估性能；/n步骤四，设计马尔可夫过程的奖励函数Reward(s,a)与折扣因子(γ)；/n步骤五，设计对数据进行分析，得到结论并对分析结果进行可视化处理。/n

【技术特征摘要】
1.一种基于机器学习的疏散路径推荐方法，其特征在于，包括如下步骤：
步骤一，使用自动编码器配合增量训练模型从气象数据中得到不同因子的权重系数；
步骤二，用反向传播优化数据简约过程，分配不同维度的权重，将重要特征保留在低维数据中；
步骤三，完成数据简约之后使用2D散点图对数据进行可视化，并与降维方法共同评估性能；
步骤四，设计马尔可夫过程的奖励函数Reward(s,a)与折扣因子(γ)；
步骤五，设计对数据进行分析，得到结论并对分析结果进行可视化处理。


2.根据权利要求1所述一种基于机器学习的疏散路径推荐方法，其特征在于，所述步骤二中使用的反向传播梯...

【专利技术属性】
技术研发人员：黄元琪，毕重科，侯敏，王佳敏，傅宝锋，
申请(专利权)人：天津大学，
类型：发明
国别省市：天津;12