基于混合模型的群体日均到达人数的预测方法及装置制造方法及图纸

本发明专利技术提出了一种基于混合模型的群体日均到达人数的预测方法及装置，方法包括：基于群体日均人数的历史数据构建混合模型；基于混合模型对群体的日均到达人数进行预测；其中，混合模型包括基于历史数据中的线性数据部分构建的线性模型，以及基于历史数据中的非线性数据部分构建的非线性模型。根据本发明专利技术的基于混合模型的群体日均到达人数的预测方法，根据群体日均人数的历史数据中的线性数据部分和非线性数据部分，分别构建了线性模型和非线性模型，并将线性模型和非线性模型结合形成混合模型，该混合模型充分融合了线性模型和非线性模型各自的特有优势，来来对群体日均到达人数进行预测，有效提高了群体日均到达人数的准确性和可靠性。

【技术实现步骤摘要】
基于混合模型的群体日均到达人数的预测方法及装置
本专利技术涉及机器学习
，尤其涉及一种基于混合模型的群体日均到达人数的预测方法及装置。
技术介绍
特定群体日到达预测研究是对给定区域未来的日到达人数进行预测。该研究主要是针对时间序列数据做预测分析。相关技术中主要采用自回归移动平均模型(AutoRegressiveIntegratedMovingAverage，ARIMA)和BP(BackPropagation)神经网络对时间序列数据进行预测分析。其中ARIMA模型在线性领域对预测时间序列数据具有较好的效果，但ARIMA模型对复杂非线性问题效果较差；BP神经网络在非线性数据分析中得到了有效的应用。然而，利用BP神经网络对线性问题进行建模时，结果不稳定。
技术实现思路
本专利技术要解决的技术问题是如何对特定群体日达到数进行可靠预测，本专利技术提出了一种基于混合模型的群体日均到达人数的预测方法及装置。根据本专利技术实施例的基于混合模型的群体日均到达人数的预测方法，包括：基于群体日均人数的历史数据构建混合本文档来自技高网...

【技术保护点】
1.一种基于混合模型的群体日均到达人数的预测方法，其特征在于，包括：/n基于群体日均人数的历史数据构建混合模型；/n基于所述混合模型对所述群体的日均到达人数进行预测；/n其中，所述混合模型包括基于所述历史数据中的线性数据部分构建的线性模型，以及基于所述历史数据中的非线性数据部分构建的非线性模型。/n

【技术特征摘要】
1.一种基于混合模型的群体日均到达人数的预测方法，其特征在于，包括：
基于群体日均人数的历史数据构建混合模型；
基于所述混合模型对所述群体的日均到达人数进行预测；
其中，所述混合模型包括基于所述历史数据中的线性数据部分构建的线性模型，以及基于所述历史数据中的非线性数据部分构建的非线性模型。


2.根据权利要求1所述的基于混合模型的群体日均到达人数的预测方法，其特征在于，所述基于群体日均人数的历史数据构建混合模型包括：
基于群体日均人数的历史数据构建所述线性模型；
基于所述历史数据以及所述线性模型的残差训练所述非线性模型；
按照预设规则结合所述线性模型和所述非线性模型，形成所述混合模型。


3.根据权利要求2所述的基于混合模型的群体日均到达人数的预测方法，其特征在于，所述基于群体日均人数的历史数据构建所述线性模型，包括：
基于所述历史数据进行模型的识别和定阶；
对模型进行参数估计，构建所述线性模型；
对构建的所述线性模型进行诊断检验。


4.根据权利要求3所述的基于混合模型的群体日均到达人数的预测方法，其特征在于，
采用自相关函数或偏自相关函数对所述历史数据进行规律性和非规律性判断，以进行模型的识别和定阶；
采用最小二乘法确定所述线性模型的参数。


5.根据权利要求1-4中任一项所述的基于混合模型的群体日均到达人数的预测方法，其特征在于，所述线性模型为ARIMA模型，所述非线性模型为BP神经网络模型。


6.一种基于混合模型的群体日均到达人数的预测装置，其...

【专利技术属性】
技术研发人员：朱小伶，王亚珅，张熙，
申请(专利权)人：中国电子科技集团公司电子科学研究院，北京邮电大学，
类型：发明
国别省市：北京;11