[发明专利]兴趣点流量动态变化曲线预测方法及系统

权利要求书

1.一种兴趣点流量动态变化曲线预测方法，包括：

步骤1)、从历史数据库中提取兴趣点的流量信息，对一天内的兴趣点的流量信息做分时统计，得到一定时间段内每天的流量变化曲线；

步骤2)、基于步骤1)所得到的一定时间段内每天的流量变化曲线，结合基于标准正交基分解的方法生成训练样本集；其中，所述训练样本集的输入特征集包括待预测那一天之前多天的正交基分解系数，输出目标集包括待预测那一天的正交基分解系数；

步骤3)、对每一个正交基下的分解系数，利用步骤2)所得到的训练样本集训练SVM模型，获得对应的SVM回归预测函数；

步骤4)、利用步骤3)所得到的SVM回归预测函数进行正交基分解系数预测；

步骤5)、利用步骤4)预测得到的正交基分解系数预测兴趣点流量动态变化曲线；

所述步骤2)进一步包括：

步骤2-1)、对步骤1)所得到的历史数据的每天的流量变化曲线采用基于标准正交基分解的方法进行展开，得到每天流量曲线的正交基分解系数β_ik；

所述的标准正交基采用归一化的三角函数集，选取个数为L，其形式为：

展开后的系数为：

其中：V_ij为某一时间点的统计结果，i表示天的编号，j表示第i天的第j次统计，j＝1,2,…,N；为Φ(x)的第k个基函数在点j的取值；β_ik为第i天的流量变化曲线在第k个基函数上的展开系数；i＝1,2,3,…，k＝1,2,3,…,L；

步骤2-2)、生成训练样本集，包括：以前Z天在某一正交基下的系数为输入，构成输入样本x_m＝{β_1,k,β_2,k,…,β_Z,k}，m＝1,2,…,M，M为训练样本的总数量；以第Z+1天的在该正交基下的分解系数为输出，y_m＝{β_Z+1,k}；

对于M个训练样本，构成的训练样本集为：

输入特征集：X＝[x₁,x₂,…,x_M]；

输出目标集：f＝[y₁,y₂,…,y_M]；

所述步骤3)进一步包括：

步骤3-1)、利用二次规划算法，求解最优化问题：

s.t.

其中，ε为一给定的参数值，α_i^*、α_i为训练求取的参数，y_i为训练集的目标输出值，K(x_i,x_j)为径向基函数核函数，形式为：

x_i为输入的特征向量，γ为高斯核函数宽度参数；

步骤3-2)、训练完成后，建立SVM回归预测函数为：

其中：b为训练得到的阈值，α_i^*、α_i为训练求取的参数；x为给定的待预测样本特征矢量；为对x的预测值；

所述步骤4)进一步包括：

以第i天的前Z天的动态流量变化曲线在标准正交基下的分解系数为输入特征矢量，利用每个正交基下已经建立的SVM回归预测函数对未来第i天的正交基下的系数进行预测，将所有系数的预测结果记为：

所述步骤5)进一步包括：

步骤5-1)、结合步骤4)预测得到的正交基函数分解系数，利用如下公式对第i天中各个时间点的流量值进行预测；

上式中V_ij表示第i天第j个时间点的流量值；

步骤5-2)、将一天中不同时间点的预测结果连接起来，即构成当天的流量动态变化预测曲线。

2.一种兴趣点流量动态变化曲线预测系统，其特征在于，包括：

分时统计模块，该模块从历史数据库中提取兴趣点的流量信息，对一天内的兴趣点的流量信息做分时统计，得到一定时间段内每天的流量变化曲线；

训练样本集生成模块，该模块基于分时统计模块所得到的一定时间段内每天的流量变化曲线，结合基于标准正交基分解的方法生成训练样本集；其中，所述训练样本集的输入特征集包括待预测那一天之前多天的正交基分解系数，输出目标集包括待预测那一天的正交基分解系数；

具体为：

步骤2-1)、对分时统计模块所得到的历史数据的每天的流量变化曲线采用基于标准正交基分解的方法进行展开，得到每天流量曲线的正交基分解系数β_ik；

所述的标准正交基采用归一化的三角函数集，选取个数为L，其形式为：

展开后的系数为：

其中：V_ij为某一时间点的统计结果，i表示天的编号，j表示第i天的第j次统计，j＝1,2,…,N；为Φ(x)的第k个基函数在点j的取值；β_ik为第i天的流量变化曲线在第k个基函数上的展开系数；i＝1,2,3,…，k＝1,2,3,…,L；

步骤2-2)、生成训练样本集，包括：以第i天的前Z天在某一正交基下的系数为输入，构成输入样本x_m＝{β_i-Z,k,β_i-Z+1,k,…,β_i-1,k}，m＝1,2,…,M，M为训练样本的总数量；以第i天的在该正交基下的分解系数为输出y_m＝{β_i,k}；

对于M个训练样本，构成的训练样本集为：

输入特征集：X＝[x₁,x₂,…,x_M]；

输出目标集：f＝[y₁,y₂,…,y_M]；

SVM回归预测模块，该模块对每一个正交基下的分解系数，利用训练样本集生成模块所得到的训练样本集训练SVM模型，获得对应的SVM回归预测函数；具体包括：

步骤3-1)、利用二次规划算法，求解最优化问题：

s.t.

其中，ε为一给定的参数值，α_i^*、α_i为训练求取的参数，y_i为训练集的目标输出值，K(x_i,x_j)为径向基函数核函数，形式为：

x_i为输入的特征向量，γ为高斯核函数宽度参数；

步骤3-2)、训练完成后，建立SVM回归预测函数为：

其中：b为训练得到的阈值，α_i^*、α_i为训练求取的参数；x为给定的待预测样本特征矢量；为对x的预测值；

正交基分解系数预测模块，该模块利用SVM回归预测模块所得到的SVM回归预测函数进行正交基分解系数预测；具体包括：

以第i天之前Z天的动态流量变化曲线在标准正交基下的分解系数为输入特征矢量，利用每个正交基下已经建立的SVM回归预测函数对第i天的正交基下的系数进行预测，将所有系数的预测结果记为：

兴趣点流量动态变化曲线生成模块，该模块利用正交基分解系数预测模块预测得到的正交基分解系数预测兴趣点流量动态变化曲线；具体包括：

结合预测得到的正交基函数分解系数，利用如下公式对第i天中各个时间点的流量值进行预测；

上式中V_ij表示第i天第j个时间点的流量值；

步骤5-2)、将一天中不同时间点的预测结果连接起来，即构成当天的流量动态变化预测曲线。