System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请属于轻量级的城市时空数据预测,具体涉及一种轻量级的城市时空数据预测方法、装置、电子设备及存储介质。
技术介绍
1、时空预测是城市计算领域的一个热门研究课题,对城市规划和智能交通具有重要意义。目前,利用各种深度学习模型对未知系统的时空状态进行预测的尝试很多。然而,现有的预测模型大多倾向于提高预测精度,而忽视了在实际应用中的易用性,如时间效率低、参数规模大等。
2、尽管目前时空预测模型已经在时空预测任务中取得了较优的预测精度,但仍存在不足。具体而言,存在的大多数时空预测模型专注于提升模型的预测精度,却忽略了模型的易用性。模型预测精度的提高往往伴随着模型复杂度的增加,这不仅加大了模型的实现难度,也使得模型的计算效率低下、参数规模庞大。在实际场景中,模型的易用性一直是很多学者关注的重点,在不显著增加模型计算时间/模型参数规模的情况下提高模型预测精度是城市计算的重中之重。然而,存在的大多数时空预测模型依然难以兼顾模型预测精度和易用性之间的均衡。
技术实现思路
1、本申请的目的是提供一种轻量级的城市时空数据预测方法、轻量级的城市时空数据预测装置、电子设备及存储介质以解决现有的轻量级的城市时空数据预测难以兼顾预测精度和模型易用性的问题。
2、根据本申请实施例的第一方面,提供了一种轻量级的城市时空数据预测方法,该方法可以包括:
3、构建因果膨胀卷积模块,所述因果膨胀卷积模块用于挖掘城市时空数据的时间相关关系;
4、构建图膨胀卷积模块,所述图膨胀
5、基于所述因果膨胀卷积模块和所述图膨胀卷积模块构建时空图膨胀模型;
6、将历史城市时空数据带入所述时空图膨胀模型得到城市时空数据的预测结果。
7、在本申请的一些可选实施例中,构建因果膨胀卷积模块,包括:
8、构建因果膨胀卷积算子;
9、在所述因果膨胀卷积算子中加入残差链接和正则化模块得到所述因果膨胀卷积模块。
10、在本申请的一些可选实施例中,所述因果膨胀卷积算子的前向传播公式如下:
11、
12、其中,为对城市时空数据的时间序列中的做膨胀因子为d的因果膨胀运算;为城市传感器节点vi在时间窗口τ观测到的城市时空数据;为卷积核;k为卷积核的大小。
13、在本申请的一些可选实施例中,所述因果膨胀卷积模块的前向传播公式如下:
14、
15、其中,为对城市时空数据的时间序列做因果膨胀卷积模块的前向传播运算;为城市传感器节点vi在因果膨胀卷积模块中的中间变量;hi为城市传感器节点vi在因果膨胀卷积模块中的输出变量;eh为卷积核的个数;为对城市时空数据的时间序列做因果卷积运算;norm为参数正则化函数;relu为激活函数。
16、在本申请的一些可选实施例中,构建图膨胀卷积模块,包括:
17、构建城市传感器节点的膨胀邻接关系矩阵;
18、基于所述膨胀邻接关系矩阵构建图膨胀卷积算子;
19、基于所述图膨胀卷积算子构建图膨胀卷积模块。
20、在本申请的一些可选实施例中,所述膨胀邻接关系矩阵的计算公式如下:
21、
22、其中,adilation=d为膨胀邻接关系矩阵;为城市传感器节点vi与vj的膨胀邻接关系;d为膨胀因子;ad为1阶拓扑邻接矩阵的d次方。
23、在本申请的一些可选实施例中,所述图膨胀卷积算子的计算公式如下:
24、
25、其中,为对城市传感器节点vi做膨胀因子为d的图膨胀卷积操作;γji为传感器节点vj对传感器节点vi的影响权重;hi为城市传感器节点vi在因果膨胀卷积模块中的输出变量;为膨胀因子为d的膨胀邻接关系矩阵;wq、wv为可学习的参数;relu为激活函数;exp为指数函数;[·||·]为矩阵连接函数。
26、在本申请的一些可选实施例中,图膨胀卷积模块的前向传播公式如下:
27、
28、其中,为一个时空张量,其为因果膨胀卷积模块的输出。
29、在本申请的一些可选实施例中,基于所述因果膨胀卷积模块和所述图膨胀卷积模块构建时空图膨胀模型,包括:
30、构建时空图膨胀卷积块,所述时空图膨胀卷积块包括串联的所述因果膨胀卷积模块和所述图膨胀卷积模块;
31、将n个所述时空图膨胀卷积块串联得到所述时空图膨胀模型;
32、其中,n为大于1的自然数。
33、在本申请的一些可选实施例中,时空图膨胀模型的计算公式如下:
34、
35、其中,为历史城市时空数据,为第n个时空图膨胀卷积块的输出;为城市时空数据的预测结果;q为模型的预测步长;为对时空张量做卷积运算。
36、根据本申请实施例的第二方面,提供了一种轻量级的城市时空数据预测装置,该装置可以包括:
37、第一数据处理模块,用于构建因果膨胀卷积模块,所述因果膨胀卷积模块用于挖掘城市时空数据的时间相关关系;
38、第二数据处理模块,用于构建图膨胀卷积模块,所述图膨胀卷积模块用于挖掘所述城市时空数据的空间相关关系;
39、第三数据处理模块,用于基于所述因果膨胀卷积模块和所述图膨胀卷积模块构建时空图膨胀模型;
40、预测模块,用于将历史城市时空数据带入所述时空图膨胀模型得到城市时空数据的预测结果。
41、根据本申请实施例的第三方面,提供一种电子设备,该电子设备可以包括:
42、处理器;
43、用于存储处理器可执行指令的存储器;
44、其中,处理器被配置为执行指令,以实现如第一方面的任一项实施例中所述的轻量级的城市时空数据预测方法。
45、根据本申请实施例的第四方面,提供一种存储介质,当存储介质中的指令由信息处理装置或者服务器的处理器执行时,以使信息处理装置或者服务器实现如第一方面的任一项实施例中所述的轻量级的城市时空数据预测方法。
46、本申请的上述技术方案具有如下有益的技术效果:
47、本申请实施例提供的一种轻量级的城市时空数据预测方法通过挖掘城市时空数据的时间相关关系和空间相关关系提高了城市时空数据的预测精度,同时,通过引入膨胀运算减小了参数规模,提高了运算速度,进而能够同时提高该预测方法的预测精度和易用性。
本文档来自技高网...【技术保护点】
1.一种轻量级的城市时空数据预测方法,其特征在于,包括:
2.根据权利要求1所述的一种轻量级的城市时空数据预测方法,其特征在于,构建因果膨胀卷积模块,包括:
3.根据权利要求2所述的一种轻量级的城市时空数据预测方法,其特征在于,所述因果膨胀卷积算子的前向传播公式如下:
4.根据权利要求3所述的一种轻量级的城市时空数据预测方法,其特征在于,所述因果膨胀卷积模块的前向传播公式如下:
5.根据权利要求1所述的一种轻量级的城市时空数据预测方法,其特征在于,构建图膨胀卷积模块,包括:
6.根据权利要求5所述的一种轻量级的城市时空数据预测方法,其特征在于,所述膨胀邻接关系矩阵的计算公式如下:
7.根据权利要求6所述的一种轻量级的城市时空数据预测方法,其特征在于,所述图膨胀卷积算子的计算公式如下:
8.根据权利要求7所述的一种轻量级的城市时空数据预测方法,其特征在于,图膨胀卷积模块的前向传播公式如下:
9.根据权利要求1-8任一项所述的一种轻量级的城市时空数据预测方法,其特征在于,基于所述因果膨胀卷
10.根据权利要求9所述的一种轻量级的城市时空数据预测方法,其特征在于,时空图膨胀模型的计算公式如下:
11.一种轻量级的城市时空数据预测装置,其特征在于,包括:
12.一种电子设备,其特征在于,包括:处理器,存储器及存储在所述存储器上并可在所述处理器上运行的程序或指令,所述程序或指令被所述处理器执行时实现如权利要求1-10任一项所述的轻量级的城市时空数据预测方法。
13.一种可读存储介质,其特征在于,所述可读存储介质上存储程序或指令,所述程序或指令被处理器执行时实现如权利要求1-10任一项所述的轻量级的城市时空数据预测方法。
...【技术特征摘要】
1.一种轻量级的城市时空数据预测方法,其特征在于,包括:
2.根据权利要求1所述的一种轻量级的城市时空数据预测方法,其特征在于,构建因果膨胀卷积模块,包括:
3.根据权利要求2所述的一种轻量级的城市时空数据预测方法,其特征在于,所述因果膨胀卷积算子的前向传播公式如下:
4.根据权利要求3所述的一种轻量级的城市时空数据预测方法,其特征在于,所述因果膨胀卷积模块的前向传播公式如下:
5.根据权利要求1所述的一种轻量级的城市时空数据预测方法,其特征在于,构建图膨胀卷积模块,包括:
6.根据权利要求5所述的一种轻量级的城市时空数据预测方法,其特征在于,所述膨胀邻接关系矩阵的计算公式如下:
7.根据权利要求6所述的一种轻量级的城市时空数据预测方法,其特征在于,所述图膨胀卷积算子的计算公式如下:
8.根据权利要求7所述的一种轻量级的...
【专利技术属性】
技术研发人员:王培晓,张恒才,程诗奋,陆锋,
申请(专利权)人:中国科学院地理科学与资源研究所,
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。