【技术实现步骤摘要】
本专利技术涉及邮政业务预测领域，更具体地，涉及一种小时级快递业务量识别方法及电子设备。
技术介绍
1、快递行业的发展与社会经济和人民生活消费规律具有密切关系，近年来随着电商的兴起，快递业务量连年增长，对行业监管带来了巨大压力。目前银行保险业、电商、通讯等数据量较大的领域都有适用于本行业的业务量预测模型，如通讯行业通常采用基于s-arima模型的无线通信网络业务量预测方法实现对特定时间段的业务峰值预测，也有部分行业根据自变量x和因变量y的相关关系，建立x与y的线性回归方程进行预测的方法。邮政快递行业作为国家战略性基础设施和社会组织系统之一，对业务量的预测也至关重要，在重要时期和肩负重要任务时需要提前感知业务的增量和变化，从而相应的调整相关资源调配和保障力度。
2、从预测技术而言，现有的预测方法基于线性回归、ar、ma、arma和arima模型较多；对于业务特征来说，现有研究更多集中在年度、季度、月度或日业务量的预测，针对单日小时级预测研究不足。如一元线性回归预测法是适用于一定量和一变量的简单模式下运算，由于己知的量少简单，预测准确率较高。但在多变量的情况下，该方法己太不适合预测。又如arima模型，该模型相对简单，只需要内生变量而不需要借助其他外生变量。但是arima模型要求时序数据是稳定的，或者是通过差分化后是稳定的，本质上只能捕捉线性关系，而不能捕捉非线性关系。上述模型都不能较好的适应邮政快递业复杂的业务量变化形势，也不能达到精确到小时级的预测。
3、因此，有必要提供一种小时级快递业务量识别方法及电子设
4、公开于本专利技术
技术介绍
部分的信息仅仅旨在加深对本专利技术的一般
技术介绍
的理解，而不应当被视为承认或以任何形式暗示该信息构成已为本领域技术人员所公知的现有技术。
技术实现思路
1、本专利技术提出了一种小时级快递业务量识别方法及电子设备，其能够根据快递业务的特性实现对快递业务量的准确预测，从而对资源调度、决策提供较为准确的数据支撑。
2、第一方面，本公开实施例提供了一种小时级快递业务量识别方法，包括：
3、统计每隔一小时的快递业务量，并进行预处理，获得业务数据；
4、针对所述业务数据进行特征提取，所述特征包括时间特征与业务特征；
5、以提取特征后的业务数据作为训练数据，训练gru预测模型，调整模型参数；
6、通过训练后的gru预测模型进行小时级快递业务量预测。
7、优选地，所述预处理包括：
8、检查错误数据并删除，若数据为空值或0，采用knn算法填补空缺值。
9、优选地，通过独热编码进行所述时间特征的提取，对于每一个特征，经过独热编码将可能值转换为所述时间特征，其中，所述时间特征之间互斥。
10、优选地，所述业务特征包括揽收量、投递量、揽收增量、投递增量。
11、优选地，所述gru预测模型的输入包括：t时刻的输入xt和t-1时刻的隐藏层状态ht-1，所述隐藏层状态包括之前节点的所有信息，输出为t时刻隐藏节点的输出yt和传递给下一个节点的隐状态ht；
12、所述gru预测模型的内部结构为重置门和更新门，通过上一个传输下来的状态ht-1和当前节点的输入xt来获取两个门的控状态；
13、并获得候选隐藏层状态，当重置门趋近于零候，模型将过去隐藏信息丢弃，只保留当前输入信息，当rt趋近于1时，模型将之前节点的所有信息添加到当前信息中；
14、计算更新门最终隐藏状态。
15、优选地，所述重置门为：
16、rt＝σ(xtwxr+ht-1whr+br)
17、其中，σ为sigmiod激活函数。
18、优选地，所述更新门为：
19、zt＝σ(xtwxz+ht-1whz+bz)
20、其中，σ为sigmiod激活函数。
21、优选地，所述候选隐藏层状态为：
22、h⌒t＝tanh(wh*[rt⊙ht-1,xt])
23、其中，ht-1包含过去的信息，rt为重置门，⊙代表向量间的乘法。
24、优选地，所述更新门最终隐藏状态为：
25、ht＝zt⊙ht-1+(1-zt)⊙h⌒t。
26、第二方面，本公开实施例还提供了一种电子设备，该电子设备包括：
27、存储器，存储有可执行指令；
28、处理器，所述处理器运行所述存储器中的所述可执行指令，以实现所述的小时级快递业务量识别方法。
29、其有益效果在于：
30、(1)本专利技术提出了小时级数据预测，颗粒度越小对预测算法的要求就越高。小时级预测的业务量可以与其他数据进行融合，比如天气预警数据、道路交通拥堵数据，结合其他数据可以更加精准地进行业务的联合预警。
31、(2)本专利技术提出了使用独热编码，对于每一个特征，如果它有m个可能值，那么经过独热编码后，就变成了m个二元特征。并且，这些特征互斥，每次只有一个激活。因此，数据会变成稀疏的。这样做的好处主要有：解决了分类器不好处理属性数据的问题在一定程度上也起到了扩充特征的作用。
32、本专利技术的方法和装置具有其它的特性和优点，这些特性和优点从并入本文中的附图和随后的具体实施方式中将是显而易见的，或者将在并入本文中的附图和随后的具体实施方式中进行详细陈述，这些附图和具体实施方式共同用于解释本专利技术的特定原理。
本文档来自技高网...【技术保护点】
1.一种小时级快递业务量识别方法，其特征在于，包括：
2.根据权利要求1所述的小时级快递业务量识别方法，其中，所述预处理包括：
3.根据权利要求1所述的小时级快递业务量识别方法，其中，通过独热编码进行所述时间特征的提取，对于每一个特征，经过独热编码将可能值转换为所述时间特征，其中，所述时间特征之间互斥。
4.根据权利要求1所述的小时级快递业务量识别方法，其中，所述业务特征包括揽收量、投递量、揽收增量、投递增量。
5.根据权利要求1所述的小时级快递业务量识别方法，其中，所述GRU预测模型的输入包括：t时刻的输入xt和t-1时刻的隐藏层状态ht-1，所述隐藏层状态包括之前节点的所有信息，输出为t时刻隐藏节点的输出yt和传递给下一个节点的隐状态ht；
6.根据权利要求5所述的小时级快递业务量识别方法，其中，所述重置门为：
7.根据权利要求5所述的小时级快递业务量识别方法，其中，所述更新门为：
8.根据权利要求5所述的小时级快递业务量识别方法，其中，所述候选隐藏层状态为：
9.根据权利要求5所
10.一种电子设备，其特征在于，所述电子设备包括：
...【技术特征摘要】
1.一种小时级快递业务量识别方法，其特征在于，包括：
2.根据权利要求1所述的小时级快递业务量识别方法，其中，所述预处理包括：
3.根据权利要求1所述的小时级快递业务量识别方法，其中，通过独热编码进行所述时间特征的提取，对于每一个特征，经过独热编码将可能值转换为所述时间特征，其中，所述时间特征之间互斥。
4.根据权利要求1所述的小时级快递业务量识别方法，其中，所述业务特征包括揽收量、投递量、揽收增量、投递增量。
5.根据权利要求1所述的小时级快递业务量识别方法，其中，所述gru预测模型的输入包括：t时刻的输...
【专利技术属性】
技术研发人员：兰伟，崔力文，盛凯博，蒋学三，
申请(专利权)人：华迪计算机集团有限公司，
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。