【技术实现步骤摘要】
本申请涉及数据处理，具体而言，涉及一种模型的训练方法及时空数据的预测方法。
技术介绍
1、时空供需预测是智慧城市中的关键技术，有着广泛的应用场景，例如共享单车、出租车的需求预测等。现有时空供需预测方法中，空间划分通常是进行时空供需预测的基础与先决条件。例如，将城市划分为大小相等的网格，并在这些网格上进行供需预测。供需预测系统对预测区域的需求是多尺度的。例如为了平衡供需关系，资源调度任务所需的供需预测区域通常较大（例如5km*5km），而在城市热点（例如商业区）需求预测任务中的热点区域通常较小（例如500m*500m）以便于精细化管理。
2、相关设计大多关注单一尺度的预测问题，即便存在基于双尺度的时空预测方法，但其多尺度预测效果不佳，且计算代价较大。
3、针对上述的问题，目前尚未提出有效的解决方案。
技术实现思路
1、本申请实施例提供了一种模型的训练方法及时空数据的预测方法，以至少解决由于在相关时空数据预测模型的训练过程中，未充分利用通过多尺度表示的层次关系，造成在模...
【技术保护点】
1.一种模型的训练方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，包括：
3.根据权利要求2所述的方法，其特征在于，自1至n-1，依据第i时空表示，确定第i+1层网格对应的第i+1时空表示，包括：
4.根据权利要求3所述的方法，其特征在于，对所述第i层网格对应的k×k个所述第i时空表示进行合并处理，得到所述第i+1层网格对应的所述第i+1时空表示，包括：
5.根据权利要求1所述的方法，其特征在于，自1至n-1，依据第i时空表示，确定第i+1层网格对应的第i+1时空表示，以得到n-1个时空表示之后，所述
...【技术特征摘要】
1.一种模型的训练方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，包括：
3.根据权利要求2所述的方法，其特征在于，自1至n-1，依据第i时空表示，确定第i+1层网格对应的第i+1时空表示，包括：
4.根据权利要求3所述的方法，其特征在于，对所述第i层网格对应的k×k个所述第i时空表示进行合并处理，得到所述第i+1层网格对应的所述第i+1时空表示，包括：
5.根据权利要求1所述的方法，其特征在于，自1至n-1，依据第i时空表示，确定第i+1层网格对应的第i+1时空表示，以得到n-1个时空表示之后，所述方法还包括：
6.根据权利要求1所述的方法，其特征在于，依据所述第i时空表示，确定所述第i层网格对应的损失函数，包括：
7.根据权利要求6所述的方法，其特征在于，对所述第i层网格对应的历史时空数据进行数学处理，确定所述第i层网格对应的第i时空数据，包括：
8.根据权利要求7所述的方法，其特征在于，依据所述第i层网格对应的历史时空数据的数字特征，对所述第i层网格对应的历史时空数据进行处理，确定所述第i层网格对应的第i时空数据，包括：
9.根据权利要求1所述的方法，其特征在于，分别将所述第一时空表示以及所述n-1个时空表示映射为时空数据预测结果，得到n个时空数据预测...
【专利技术属性】
技术研发人员：王乐业，陈李越，房江祎，刘腾飞，曹绍升，
申请(专利权)人：北京大学，
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。