【技术实现步骤摘要】
一种基于图演化博弈模型的案件规模预测方法及系统
[0001]本专利技术涉及人工智能
，尤其涉及一种基于图演化博弈模型的案件规模预测方法及系统。
技术介绍
[0002]社会治理矛盾纠纷事件的形成和发展存在多维因素的影响，具有很高的不确定和不可控性，目前市场上还没有成熟的技术方案对其进行准确的判断和预测。构建可靠高效的社会矛盾纠纷事件治理系统主要有以下挑战：一是由于管控范围大，治理个体数量多，同时个体的行为具有极强的主观性和不确定性，个体纠纷同时取决于所处环境以及与其他个体的互动，因此难以对纠纷事件的数量及性质的演化给出较精准的预测；二是众多的纠纷事件缺少智能化的治理系统，能够将纠纷进行准确的分类，并将纠纷案件流转到对应的协调单位予以处理。这极大地降低了纠纷事件的解决效率。
[0003]预测纠纷案件数量能够提前部署相应的解决方案，通常预测纠纷案件数量是指根据历史记录中纠纷案件在一定时间段内发生的数量及频率，预测未来的纠纷数量增减情况。现有系统主要考虑了纠纷案件发生的环境因素。环境因素是指因为环境的变化而造成的纠纷案...
【技术保护点】
【技术特征摘要】
1.一种基于图演化博弈模型的案件规模预测方法，其特征在于，包括：根据预训练的图演化博弈模型获取最优参数序列；其中，图演化博弈模型是利用数据库中的待学习参数集进行训练得到的；基于所述最优参数序列和用户的历史决策，对未来目标时段内用户的决策进行预测，以生成图演化博弈预测序列；根据预训练的时间序列预测模型获取时间序列预测序列；其中，时间序列预测模型是利用待学习数据集训练得到的；将图演化博弈预测序列与时间序列预测序列进行融合，得到终极预测序列，通过终极预测序列对案件规模进行预测。2.根据权利要求1所述的基于图演化博弈模型的案件规模预测方法，其特征在于，所述根据预训练的图演化博弈模型获取最优参数序列，具体包括：从数据库中获取图演化博弈模型的待学习参数集，将待学习参数集中的案件数量序列转换为决策序列；获取决策序列中历史时刻网络中所有个体的决策状态，根据灭生规则获得预设时间段内个体决策状态的转变概率；得到所有历史时刻的最大联合转变概率；基于所述最大联合转变概率使用最大似然法概率训练图演化博弈模型，以使所述图演化博弈模型输出最优参数序列。3.根据权利要求1所述的基于图演化博弈模型的案件规模预测方法，其特征在于，所述根据预训练的时间序列预测模型获取时间序列预测序列，具体包括：将待学习参数集中的案件数量序列处理为时间序列；对时间序列建模，形成随时间变化的预测模型；将历史时刻的用户决策输入预测模型，输出时间序列预测序列。4.根据权利要求2所述的基于图演化博弈模型的案件规模预测方法，其特征在于，基于所述最大联合转变概率训练图演化博弈模型，具体包括：根据个体决策状态的转变情况计算决策转变概率，建立似然函数；根据似然函数确定对数似然函数；基于对数似然函数确定最优模型参数。5.根据权利要求1所述的基于图演化博弈模型的案件规模预测方法，其特征在于，所述基于所述最优参数序列和用户的历史决策，对未来目标时段内用户的决策进行预测，以生成图演化博弈预测序列，具体包括：根据当前时刻用户的决策序列计算决策...
【专利技术属性】
技术研发人员：赵虹，王惠生，李悦江，
申请(专利权)人：上海清鹤科技股份有限公司，
类型：发明
国别省市：
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。