[发明专利]一种网络资源与环境耦合关系的预测方法

权利要求书

1.一种网络资源与环境耦合关系的预测方法，其特征在于：所述的预测方法包括步骤如下：

S1：通过环境感知设备获取原始数据，采用基于多维模糊映射的缺失值处理方法、服务扩充的方法对原始数据进行预处理，得到初步的参数集；

S2：通过基于多维环境参数的特征构造方法，对初步得到的参数集进行特征构造，以获得具有更强表征能力的数据；

S3：融合前向序列搜索、后向序列搜索、模拟退火算法对步骤S2得到数据的特征进行降维，从而降低各维度的变量空间及多维表征模型训练的复杂度；

S4：采用基于决策树的模型训练方法，对步骤S3得到的数据进行训练学习预测，实现网络资源在复杂环境约束下的精确描述；

步骤S1，所述基于多维模糊映射的缺失值处理方法，包括如下步骤：

S101：选取需要填充的字段之外的完备特征作为映射子集；

S102：根据需要填充的字段的缺失情况划分训练集和测试集，其中字段完整的数据作为训练集，字段缺失的数据作为测试集；

S103：训练模型学习映射子集和待填充字段之间的映射关系；

S104：用训练好的模型对待填充字段进行预测，得到预测值，完成映射子集与该字段的多维模糊映射；

S105：用预测值填充缺失值。

2.根据权利要求1所述的网络资源与环境耦合关系的预测方法，其特征在于：所述服务扩充的方法采用第三方服务对特定字段进行填充；所述特定字段包括天气、地形；通过时间、地点查找气象表填充天气，通过经纬度定位填充地形。

3.根据权利要求1或2任一项所述的网络资源与环境耦合关系的预测方法，其特征在于：步骤S2，所述基于多维环境参数的特征构造方法，包括如下步骤：

S201：从初步得到的参数集中，随机选取两个数值型特征；

S202：让两两特征在数值上进行加法运算、减法运算、乘法运算、除法运算、平方运算、均值运算、方差运算，从而实现两两特征组合。

4.根据权利要求3所述的网络资源与环境耦合关系的预测方法，其特征在于：步骤S3，所述模拟退火算法，具体步骤如下：

A1：初始化：初始温度T，初始解状态S，每个T值的迭代次数L；

A2：若k＝1,…,L，执行第A3至第A6步；

A3：产生新解S′；

A4：计算增量ΔT＝C(S′)-C(S)，其中C(S)为评价函数；

A5：若ΔT0则接受S′作为新的当前解，否则以概率exp(-ΔT/T)接受S′作为新的当前解；

A6：如果连续若干个新解都没有被接受，则输出当前解作为最优解，结束程序；

A7：T逐渐减少，且T→0，然后转到步骤A2。

5.根据权利要求4所述的网络资源与环境耦合关系的预测方法，其特征在于：步骤S3，融合前向序列搜索、后向序列搜索、模拟退火算法对特征进行降维，包括步骤如下：

S301：结合前向序列搜索与后向序列搜索，以交叉验证CV得分为评价标准，在前向搜索中，通过每次添加1个变量以达到交叉验证CV提升的状态，寻找提升最多的变量；

S302：在完成前向搜索后，采用后向序列搜索，依次逐步约减所保留特征项，交替执行步骤S301和S302，直到CV值不再提升为止；

S303：利用模拟退火算法加入一个事先选定的潜在变量，所述的潜在变量选取模型训练阶段CV得分最高的组合特征，进行交替执行步骤S301、S302；

S304：完成前向序列搜索、后向序列搜索、模拟退火算法后，在获得的组合特征基础上，随机选取4-8个未使用的2级特征引用组合特征中，然后随机序列搜索后，若CV有提高，则返回步骤301，搜索重新开始，直至CV得分不再提升为止，此时认为CV得分最高，为最佳的特征组合并选出。