【技术实现步骤摘要】
本说明书一个或多个实施例涉及数据处理技术，尤其涉及一种基于水务资产数据的商业选址方法。
技术介绍
1、传统的商业选址方式主要依赖于地理位置、人口统计和市场竞争等数据，这些数据较为片面，只能静态的判断地区在理论上的优劣，而无法动态的判断地区在当下实际的优劣，往往不能全面反映一个地区的商业潜力，导致通过传统的商业选址方式所选择的商业地址往往在投入了大量资源后，并没有取得预期的商业价值，导致亏损。因此，目前需要一种在商业选址时能够更准确的预测一个地区的商业潜力的方法。
技术实现思路
1、为了解决上述问题，本说明书一个或多个实施例描述了一种基于水务资产数据的商业选址方法。
2、根据第一方面，提供了一种基于水务资产数据的商业选址方法，所述方法包括：
3、获取目标地域中各目标地区的第一水务资产数据和第一传统数据，所述第一水务资产数据包括用水区域数据、用水量数据、水质数据和水压数据，所述第一传统数据包括地理信息数据、运维工单数据和人口经济数据；
4、基于所述第一水务资产数据和第一传统数据的数据类别分别确定特征类别，根据所述特征类别对各所述第一水务资产数据和第一传统数据进行特征提取，得到各第一特征数据和各第二特征数据，所述第一特征数据为所述第一水务资产数据、地理信息数据和人口经济数据对应的特征数据，所述第二特征数据为所述地理信息数据和运维工单数据对应的特征数据；
5、基于所述第一特征数据训练得到商业潜力评估模型，基于所述第二特征数据训练得到商业选址风
6、整合所述商业潜力评估模型和商业选址风险模型，得到目标商业选址模型，并基于遗传算法优化所述目标商业选址模型的模型参数，得到最优商业选址模型；
7、基于所述最优商业选址模型依次处理所述目标地域中各候选地区的第二水务资产数据和第二传统数据，确定最优商业选址。
8、优选的，所述获取目标地域中各目标地区的第一水务资产数据和第一传统数据，包括：
9、基于第一水务资产数据和第一传统数据的数据类别分别确定数据获取途径，基于各所述数据获取途径分别获取目标地域中各目标地区的所述第一水务资产数据和第一传统数据。
10、优选的，所述基于所述第一特征数据训练得到商业潜力评估模型，包括：
11、将各所述第一特征数据根据所述特征类别分别查询各特征数据库，得到各所述第一特征数据对应的商业潜力因子；
12、构建第一训练数据，所述第一训练数据中的输入数据为第一特征数据矩阵，所述第一训练数据中的输出数据为商业潜力数据，所述第一特征数据矩阵由不同所述特征类别的各所述第一特征数据构成，所述商业潜力数据为所述第一特征矩阵对应的各所述商业潜力因子之和；
13、基于所述第一训练数据训练初始多元线性回归模型，得到商业潜力评估模型。
14、优选的，所述基于所述第二特征数据训练得到商业选址风险模型，包括：
15、将各所述第二特征数据根据所述特征类别分别查询各风险数据库，得到各所述第二特征数据对应的风险因子；
16、构建第二训练数据，所述第二训练数据中每个输入数据包括两个所述特征类别不同的所述第二特征数据，所述第二训练数据中的输出数据为输入数据对应的各所述风险因子之和；
17、基于所述第二训练数据训练初始长短时记忆网络模型，得到商业选址风险模型。
18、优选的，所述模型参数包括权重参数；
19、所述整合所述商业潜力评估模型和商业选址风险模型，得到目标商业选址模型，并基于遗传算法优化所述目标商业选址模型的模型参数，得到最优商业选址模型，包括：
20、为所述商业潜力评估模型和商业选址风险模型分别分配待求解的权重参数，整合所述商业潜力评估模型和商业选址风险模型，得到目标商业选址模型；
21、基于遗传算法确定所述目标商业选址模型的最优权重参数，基于所述最优权重参数得到最优商业选址模型。
22、优选的，所述基于所述最优商业选址模型依次处理所述目标地域中各候选地区的第二水务资产数据和第二传统数据，确定最优商业选址，包括：
23、基于所述最优商业选址模型依次处理所述目标地域中各候选地区的第二水务资产数据和第二传统数据，得到各所述候选地区的综合评价数据；
24、将所述综合评价数据最高的目标候选地区确定为最优商业选址。
25、优选的，所述方法还包括：
26、基于所述综合评价数据对应的预设数据区间为各所述候选地区分配商业潜力等级，展示各所述商业潜力等级。
27、根据第二方面，提供了一种基于水务资产数据的商业选址装置，所述装置包括：
28、获取模块，用于获取目标地域中各目标地区的第一水务资产数据和第一传统数据，所述第一水务资产数据包括用水区域数据、用水量数据、水质数据和水压数据，所述第一传统数据包括地理信息数据、运维工单数据和人口经济数据；
29、特征提取模块，用于基于所述第一水务资产数据和第一传统数据的数据类别分别确定特征类别，根据所述特征类别对各所述第一水务资产数据和第一传统数据进行特征提取，得到各第一特征数据和各第二特征数据，所述第一特征数据为所述第一水务资产数据、地理信息数据和人口经济数据对应的特征数据，所述第二特征数据为所述地理信息数据和运维工单数据对应的特征数据；
30、训练模块，用于基于所述第一特征数据训练得到商业潜力评估模型，基于所述第二特征数据训练得到商业选址风险模型，所述商业潜力评估模型为多元线性回归模型，所述商业选址风险模型为长短时记忆网络模型；
31、整合模块，用于整合所述商业潜力评估模型和商业选址风险模型，得到目标商业选址模型，并基于遗传算法优化所述目标商业选址模型的模型参数，得到最优商业选址模型；
32、处理模块，用于基于所述最优商业选址模型依次处理所述目标地域中各候选地区的第二水务资产数据和第二传统数据，确定最优商业选址。
33、根据第三方面，提供了一种电子设备，包括处理器以及存储器；
34、所述处理器与所述存储器相连；
35、所述存储器，用于存储可执行程序代码；
36、所述处理器通过读取所述存储器中存储的可执行程序代码来运行与所述可执行程序代码对应的程序，以用于执行如第一方面或第一方面的任意一种可能的实现方式提供的方法的步骤。
37、根据第四方面，提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机可读存储介质中存储有指令，当所述指令在计算机或处理器上运行时，使得所述计算机或处理器执行如第一方面或第一方面的任意一种可能的实现方式提供的方法。
38、本说明书实施例提供的方法，考虑到了水务资产数据的变化能够体现出用户在地区的实际活动行为，故通过加入目标地域的水务资产数据作为商业选址过程中评本文档来自技高网...
【技术保护点】
1.一种基于水务资产数据的商业选址方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述获取目标地域中各目标地区的第一水务资产数据和第一传统数据，包括：
3.根据权利要求1所述的方法，其特征在于，所述基于所述第一特征数据训练得到商业潜力评估模型，包括：
4.根据权利要求1所述的方法，其特征在于，所述基于所述第二特征数据训练得到商业选址风险模型，包括：
5.根据权利要求1所述的方法，其特征在于，所述模型参数包括权重参数；
6.根据权利要求1所述的方法，其特征在于，所述基于所述最优商业选址模型依次处理所述目标地域中各候选地区的第二水务资产数据和第二传统数据，确定最优商业选址，包括：
7.根据权利要求6所述的方法，其特征在于，所述方法还包括：
8.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1-7任一项所述方法的步骤。
9.一种计算机可读存储介质，其上存储有计算机程序，所述计
...【技术特征摘要】
1.一种基于水务资产数据的商业选址方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述获取目标地域中各目标地区的第一水务资产数据和第一传统数据，包括：
3.根据权利要求1所述的方法，其特征在于，所述基于所述第一特征数据训练得到商业潜力评估模型，包括：
4.根据权利要求1所述的方法，其特征在于，所述基于所述第二特征数据训练得到商业选址风险模型，包括：
5.根据权利要求1所述的方法，其特征在于，所述模型参数包括权重参数；
6.根据权利要求1所述的方法，其特征在于，所述基于所...
【专利技术属性】
技术研发人员：翁贤华，郭军，刁黎雅，刘金晓，高健，江诚，
申请(专利权)人：浙江和达科技股份有限公司，
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。