基于混频模型的城市运行指标数据预测方法技术

本发明专利技术公开了一种基于混频模型的城市运行指标数据预测方法，属于数据分析技术领域。本发明专利技术为提高对城市运行数据的预测效率，并兼顾预测准确度，考虑了城市运行数据预测单模型间的共同输入数据与单模型的其他输入数据的相关性，减少了单模型输入数据，缩短了模型预测时间，并通过量化减少共同输入数据后对模型预测结果准确度的影响程度，并根据量化结果对模型预测结果进行校正，在减少模型输入数据的同时确保了模型对于城市运行数据的预测准确率。率。率。

【技术实现步骤摘要】
基于混频模型的城市运行指标数据预测方法


[0001]本专利技术涉及数据预测
，具体涉及一种基于混频模型的城市运行指标数据预测方法。

技术介绍

[0002]城市运行数据包括机场旅客吞吐量、工业用电量、航班架次、集装箱量、港口吞吐量、机场货邮量等数据，利用预训练的预测模型，以这些数据全部或部分为第一预测模型的输入，可以对城市运行的相关指标进行预测，比如以历史连续n月的工业用电量、居民用电量、A变量等来预测未来月的用电负载，以历史n月的机场旅客吞吐量、航班架次、A变量等来预测未来月的客流负载，以历史n月的的集装箱量、港口吞吐量、机场货邮量、A变量等来预测未来月的货运负载，然后以预测的用电负载、客流负载、货运负载为第二预测模型的输入来预测未来月的城市负载。
[0003]上述方案中，用电负载、客流负载、货运负载的预测模型通常并不相同，3个预测模型中的每个模型可能还包括单变量模型和多变量模型，这些模型的输入数据、模型参数、预测过程通常也大有不同。一般而言，模型的输入数据越多，模型预测需要提取的数据特征越多，预测过程越复杂，耗时也越长。但在预测城市运行数据时，不同的单独模型预测不同的变量有时具有相同的模型输入数据，比如在预测用电负载、客流负载和货运负载时，A变量的变量值同时作为3个负载预测的模型输入数据。当3个负载预测具有的共同输入数据为大量时，会出现以下技术问题：
[0004]1、现有方法中，当需要预测用电负载、客流负载和货运负载的上级指标比如城市负载时，用电负载、客流负载和货运负载分别对应的3个预测模型会对这些共同输入数据进行单独预测，预测时间会被拉长，3个负载预测的拉长时间综合起来，城市负载的预测时间更为拉长，导致城市负载的预测效率无法达到预期，当单预测模型数量远不止3个时，对于城市运行数据预测的该弊端将更加明显。但通常而言，这些共同输入数据与单独模型的其他输入数据之间具有数据相关性，这个相关性会直接影响模型预测结果的准确性，不同程度的相关性对预测结果的准确性的影响程度通常也不相同，现有方法在预测城市运行数据时没有利用这个相关性来减少模型输入数据量以缩短预测时间，因此如何明确这个相关性以缩短预测时间成为城市运行数据预测
亟待解决的一个技术问题；
[0005]2、利用上述的相关性能够减少模型输入的数据量进而缩短预测时间，但减少模型输入数据量后，如何量化减少共同输入数据后对模型预测准确度的影响程度，并根据量化结果对模型预测结果进行校正，以保证模型预测结果的准确性成为城市运行数据预测
亟待解决的第二个技术问题。

技术实现思路

[0006]本专利技术以考虑城市运行数据预测单模型间的共同输入数据与单模型的其他输入数据的相关性，以减少单模型输入数据，缩短模型预测时间，并通过量化减少共同输入数据
后对模型预测结果准确度的影响程度，并根据量化结果对模型预测结果进行校正，以在减少模型输入数据的同时保证模型对于城市运行数据的预测准确率为目的，提供了一种基于混频模型的城市运行指标数据预测方法。
[0007]为达此目的，本专利技术采用以下技术方案：
[0008]提供一种基于混频模型的城市运行指标数据预测方法，步骤包括：
[0009]S1，获取城市运行数据；
[0010]S2，判断用户输入的因变量是否具有子因变量，
[0011]若是，则获取历史求解每个所述子因变量对应的自变量集合并转入城市运行数据校正预测流程；
[0012]若否，则终止进入城市运行数据校正预测流程；
[0013]所述校正预测流程具体包括步骤：
[0014]L1，提取历史预测每个所述子因变量时输入的所述自变量集合中的每个共同预测指标；
[0015]L2，进一步提取每个所述共同预测指标对应的突变距离值
[0016]L3，获取所述突变距离值对应的所述共同预测指标的第一指标值；
[0017]L4，从步骤S1获取的所述城市运行数据中获取对应的所述共同预测指标的第二指标值；
[0018]L5，判断关联同个所述共同预测指标的所述第二指标值与所述第一指标值的差值绝对值是否小于预设的第一差值阈值，
[0019]若是，则判定步骤S1获取的所述城市运行数据中所包含的所述共同预测指标不可被舍弃；
[0020]若否，则在预测所述子因变量y
x
时过滤掉所述共同预测指标并使用校正策略校正所述混频模型预测的所述子因变量y
x
的变量值。
[0021]作为优选，步骤L2中，所述共同预测指标对应的所述突变距离值通过以下方法步骤计算而得：
[0022]L21，获取利用y
x
对应的多变量混频模型计算所需的作为模型输入的定量和变量集合
[0023]L22，将所有定量和变量集合中的一个元素组成输入数据组合，将各个组合依次作为所述子因变量y
x
对应的所述多变量混频模型的输入，模型预测输出每个组合对应的y
x
值，每个组合中的元素的值不同；
[0024]L23，在同一平面坐标系内，绘制和曲线；
[0025]L24，计算和曲线上具有对称关系的数据点p和q之间的距离值并将最大值作为所述突变距离值
[0026]作为优选，所述定量和所述变量的获取方法包括如下步骤：
[0027]L211，获取用于预测所述子因变量y
x
的变量值的所述混频模型；
[0028]L212，判断步骤L211获取的所述混频模型是否包括所述多变量混频模型，
[0029]若是，则转入步骤L213；
[0030]若否，则终止的计算流程；
[0031]L213，从步骤S1获取的所述城市运行数据中提取用于预测所述子因变量y
x
所需的所述自变量集合中的每个所述自变量对应的指标值，包括记为的所述共同预测指标的指标值和记为的除所述共同预测指标外的其他自变量j的指标值；
[0032]L214，获取所述共同预测指标在各模型历史预测各所述子因变量时的指标值集合X＝1，
…
，x，
…
n，n表示子因变量的数量，x表示第x个子因变量。
[0033]作为优选，所述混频模型包括单变量混频模型和/或所述多变量混频模型，每个所述单变量混频模型以所述子因变量y
x
对应的所述自变量集合中的对应的所述自变量为输入，所述多变量混频模型以所述自变量集合中的所有所述自变量为输入。
[0034]作为优选，步骤L5中，校正所述子因变量y
x
的值的所述校正策略具体包括如下步骤：
[0035]A1，获取所述子因变量y
x
对应的校正量；
[0036]A2，判断步骤S1获取的所述城市运行数据中除所述共同预测指标外的其他自变量j的指标值是否落入模型针对所述子因变量y
x
的预测值的单调递增区间，
[0037]若是，则计算所述混频模型以过滤掉本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于混频模型的城市运行指标数据预测方法，其特征在于，步骤包括：S1，获取城市运行数据；S2，判断用户输入的因变量是否具有子因变量，若是，则获取历史求解每个所述子因变量对应的自变量集合并转入城市运行数据校正预测流程；若否，则终止进入城市运行数据校正预测流程；所述校正预测流程具体包括步骤：L1，提取历史预测每个所述子因变量时输入的的所述自变量集合中的每个共同预测指标；L2，进一步提取每个所述共同预测指标对应的突变距离值L3，获取所述突变距离值对应的所述共同预测指标的第一指标值；L4，从步骤S1获取的所述城市运行数据中获取对应的所述共同预测指标的第二指标值；L5，判断关联同个所述共同预测指标的所述第二指标值与所述第一指标值的差值绝对值是否小于预设的第一差值阈值，若是，则判定步骤S1获取的所述城市运行数据中所包含的所述共同预测指标不可被舍弃；若否，则在预测所述子因变量y
x
时过滤掉所述共同预测指标并使用校正策略校正所述混频模型预测的所述子因变量y
x
的变量值。2.根据权利要求1所述的基于混频模型的城市运行指标数据预测方法，其特征在于，步骤L2中，所述共同预测指标对应的所述突变距离值通过以下方法步骤计算而得：L21，获取利用y
x
对应的多变量混频模型计算所需的作为模型输入的定量和变量集合L22，将所有定量和变量集合中的一个元素组成输入数据组合，将各个组合依次作为所述子因变量y
x
对应的所述多变量混频模型的输入，模型预测输出每个组合对应的y
x
值，每个组合中的元素的值不同；L23，在同一平面坐标系内，绘制和曲线；L24，计算和曲线上具有对称关系的数据点p和q之间的距离值并将最大值作为所述突变距离值3.根据权利要求2所述的基于混频模型的城市运行指标数据预测方法，其特征在于，所述定量和所述变量的获取方法包括如下步骤：L211，获取用于预测所述子因变量y
x
的变量值的所述混频模型；
L212，判断步骤L211获取的所述混频模型是否包括所述多变量混频模型，若是，则转入步骤L213；若否，则终止的计算流程；L213，从步骤S1获取的所述城市运行数据中提取用于预测所述子因变量y
x
所需的所述自变量集合中的每个所述自变量对应的指标值，包括记为的所述共同预测指标的指标值和记为的除所述共同预测指标外的其他自变量j的指标值；L214，获取所述共同预测指标在各模型历史预测各所述子因变量时的指标值集合X＝1,
…
,x,
…
n，n表示子因变量的数量，x表示第x个子因变量。4.根据权利要求1所述的基于混频模型的城市运行指标数据预测方法，其特征在于，所述混频模型包括单变量混频模型和/或所述多变量混频模型，每个所述单变量混频模型以所述子因变量y
x
对应的所述自变量集合中的对应的所述自变量为输入，所述多变量混频模型以所述自变量集合中的所有所述自变量为输入。5.根据权利要求2
‑
4任意一项所述的基于混频模型的城市运行指标数据预测方法，其特征在于，步骤L5中，校正所述子因变量y
x
的值的所述校正策略具体包括如下步骤：A1，获取所述子因变量y
x
对应的校正量；A2，判断步骤S1获取的所述城市运行数据中除所述共同预测指标外的其他自变量j的指标值是否落入模型针对所述子因变量y
x
的预测值的单调递增区间，若是，则计算所述混频模型以过滤掉步骤S1获取的所述城市运行数据中的所述共同预测指标后剩余的其他所述自变量j的指标值为输入得到的预测结果与所述校正量的和值作为预测校正结果；若否，则...

【专利技术属性】
技术研发人员：洪辉阳，杨晓庆，李中英，王邵辉，
申请(专利权)人：杭州博晟科技有限公司，
类型：发明
国别省市：