[发明专利]一种基于梯度增强树人口预测模型的参数优化方法

说明书

本发明公开了一种基于梯度增强树人口预测模型的参数优化方法，属于计算机技术领域。本发明通过数据采集、多维特征提取、梯度提升树模型训练和构建训练样本集这四个步骤来实现人口预测模型的参数优化。本发明在对进行数据采集时，以特定时间戳数据和原始数据集Dataset相结合处理，能够提高数据的采集成功率，能够将有用的数据存储起来，将异常值存放在历史数据库中，以便数据缺失时进行比对。本发明将客观存在的影响因素例如天气、收入、人口等方面考虑为可能对预测区域年生活用电总量产生偏差的原因，实现用电预测全过程的数据驱动。

技术领域

本发明属于计算机技术领域，具体涉及一种基于梯度增强树人口预测模型的参数优化方法。

背景技术

人口问题是当今世界上最令人关注的问题之一，一些发展中国家的人口出生率过高，越来越严重地威胁着人类的正常生活，有些发达国家的自然增长率趋近于零，甚至变负，造成劳动力短缺，也是不容忽视的问题.对于我国来说,尤其为甚，建立数学模型对人口发展过程进行描述,分析和预测,并进而研究控制人口增长和老化的生育策略，已引起有关专家,官员和社会各方面的极大关注和兴趣,是数学在社会发展中的重要应用领域。

经现有文献检索发现，中国专利公开号CN109858691A，公开日2019年06月07日的专利申请公开了基于遗传学思想优化Leslie模型的人口预测方法。该专利申请引入遗传学思想并结合初始模型，计算某一时间段育龄女性的非独生子女比例和育龄男性的非独生子女比例；并计算某一时间段育龄女性的意愿生育或已生育得到的下一代总人数，进而得到总和生育率；结合Leslie模型构建出动态规划模型。虽然该发明对人口的预测模型的建立，提升了人们对人口的总量有一个具体了解，但是并不能实现精确化处理，而且也会造成历史数据的遗失，不利于人口的长期预测。

发明内容

本发明的目的在于提供一种实现精确化处理，不会造成历史数据的遗失的基于梯度增强树人口预测模型的参数优化方法。

为了实现上述发明目的，本发明采用以下技术方案：

一种基于梯度增强树人口预测模型的参数优化方法，包括如下步骤：

1)数据采集：采集特定时间段可验证的时间戳数据，该数据形成原始数据集Dataset进行数据预处理，然后进行数据读取，并处理缺失值和异常值，利用传感器构建历史数据库；

2)多维特征提取：将步骤1)中采集的数据进行聚类分析，然后利用梯度提升算法进行评估，采用最大信息系数进行特征选择，紧接着整理特征提取后的数据集；

3)梯度提升树模型训练：设置默认训练参数，将提取后的数据集进行导入，训练数据集以及读取工作，进行分类模型训练，对数据进行划分，按时间维度5～6:2～3的数量将其分为训练数据集和测试数据集，然后进行模型评估；

4)构建训练样本集：将上述步骤处理的数据进行模型训练，采用最优参数模型，测试数据集，进行测试数据读取，输出测试结果，然后利用测试集中的数据进行模型验证，利用验证后的模型实现人口的梯度预测。

进一步地，所述步骤3)中利用梯度提升树模型训练采用贝叶斯优化法进行训练。

进一步地，所述步骤2)中的算法流程包括如下步骤：

①对所有特征进行分桶归一化处理；

②计算初始梯度

③建立直方图，从直方图中分裂特征和分裂阈值，将样本进行划分，更新当前每个样本的输出值，得到最终梯度的提升模型。

进一步地，利用利用训练子集数据进行灰色神经网络建模，得到用电量预测模型。

与现有技术相比，本发明的有益效果是：