基于注意力机制和RCLSTM网络的客流量预测方法及系统技术方案

本发明专利技术实施方式提供一种基于注意力机制和RCLSTM网络的客流量预测方法及系统，属于数据挖掘技术领域。所述预测方法包括：分别在均匀分布、正态分布、F分布下，分别以不同的连接概率分别生成多种RCLSTM网络；采用结合注意力机制的训练方法对每个所述RCLSTM网络进行训练；根据公式(1)计算每个所述RCLSTM网络的目标函数值，选择目标函数最大的所述RCLSTM网络预测所述客流量。该预测方法及系统能够基于风景区的历史客流量数据对该风景区未来的客流量数据进行精准预测。

【技术实现步骤摘要】
基于注意力机制和RCLSTM网络的客流量预测方法及系统
本专利技术涉及数据挖掘
，具体地涉及一种基于注意力机制和RCLSTM网络的客流量预测方法及系统。
技术介绍
风景区短期客流量预测是当前景区管理中的一个重点问题之一，当前风景区短期客流量预测模型包括传统时间序列模型、BP神经网络模型、支持向量机等等以及其经过算法优化过后的模型。短期客流量预测具有非常强的非线性特征，目前的模型处理强非线性特征的能力远远不够。而且客流量预测受到众多因素影响，且每个因素的重要性和影响程度是各不相同的，而且不同时间段的重要程度也是不一样的，当前的所有模型并未考虑到这一问题，很可能导致预测精度不高。另外，在训练模型阶段会因计算量大等原因耗费大量时间。
技术实现思路
本专利技术实施方式的目的是提供一种基于注意力机制和RCLSTM网络的客流量预测方法及系统，该预测方法及系统能够基于风景区的历史客流量数据对该风景区未来的客流量数据进行精准预测。为了实现上述目的，本专利技术实施方式提供一种基于注意力机制和RCLSTM网络的客流量预测方法，所述本文档来自技高网...

【技术保护点】
1.一种基于注意力机制和RCLSTM网络的客流量预测方法，其特征在于，所述预测方法包括：/n分别在均匀分布、正态分布、F分布下，分别以不同的连接概率分别生成多种RCLSTM网络；/n采用结合注意力机制的训练方法对每个所述RCLSTM网络进行训练；/n根据公式(1)计算每个所述RCLSTM网络的目标函数值，/nQ＝δ

【技术特征摘要】
1.一种基于注意力机制和RCLSTM网络的客流量预测方法，其特征在于，所述预测方法包括：
分别在均匀分布、正态分布、F分布下，分别以不同的连接概率分别生成多种RCLSTM网络；
采用结合注意力机制的训练方法对每个所述RCLSTM网络进行训练；
根据公式(1)计算每个所述RCLSTM网络的目标函数值，
Q＝δ1*MAPE-δ2*T′，(1)



其中，Q为所述目标函数值，MAPE为所述RCLSTM网络的平均百分比误差，T为所述RCLSTM网络的训练时间，Tmax为所述RCLSTM网络的训练时间的最大值，Tmin为所述RCLSTM网络的训练时间的最小值，δ1、δ2为预设的权重值；
选择目标函数最大的所述RCLSTM网络预测所述客流量。


2.根据权利要求1所述的预测方法，其特征在于，所述采用结合注意力机制的训练方法对每个所述RCLSTM网络进行训练具体包括：
获取风景区的多列数据，其中，每列数据包括至少一种影响因素在时间序列上的数值；
定义注意力权重种群，其中，所述注意力权重种群包括多组注意力权重，每组注意力权重包括与所述影响因素一一对应的权重值；
分别采用每组所述注意力权重对所述多列数据进行加权；
分别将加权后的所述多列数据输入RCLSTM网络中以得到对应的预测值；
分别计算每个所述预测值与对应的标准值的误差；
从加权后的多个所述多列数据中筛选出误差最小的前两个所述多列数据；
分别从筛选出的两个所述多列数据的注意力权重中随机选取出一个权重值；
对选取出的两个权重值的编码进行基因重组；
对基因重组后的两个权重值的编码分别...

【专利技术属性】
技术研发人员：陆文星，金捷钰，梁昌勇，董骏峰，蒋丽，赵树平，周秀娜，冉家敏，
申请(专利权)人：合肥工业大学，
类型：发明
国别省市：安徽;34