[发明专利]一种目标信息的预测方法及装置

权利要求书

1.一种目标信息的预测方法，其特征在于，应用于电子设备，包括：

获取目标信息在当前时间点之前的预设数量个时间步长内的多个历史数据；其中，每个所述时间步长包括多个离散时间点；

针对每个所述时间步长，计算该时间步长内相邻的两个离散时间点中，前一个离散时间点的历史数据与后一个离散时间点的历史数据之差，得到多个差值作为该时间步长内所述目标信息对应的多个历史变化数据；

基于预设数量个所述时间步长内所述目标信息对应的多个历史变化数据，确定目标历史信息；其中，所述目标信息为目标景点的客流量信息、目标应用软件的用户活跃度信息和目标股票的价格信息中的一个；

将所述目标历史信息输入预先训练的目标信息预测模型，获取所述目标信息在当前时间点后的变化趋势预测结果；其中，所述目标信息预测模型包括循环神经网络RNN层和生成对抗网络GAN层；

所述RNN层，用于对输入的所述目标历史信息进行初始变化趋势特征提取，并将所提取的所述初始变化趋势特征输入所述GAN层；

所述GAN层，用于基于所述初始变化趋势特征，确定所述目标信息在当前时间点后的变化趋势信息，作为所述目标信息的变化趋势预测结果；

其中，所述目标信息预测模型为：基于所述目标信息对应的多个样本历史信息，以及所述目标信息对应的真实变化趋势数据，对待训练目标信息预测模型进行训练获得的；

其中，所述基于预设数量个所述时间步长内所述目标信息对应的多个历史变化数据，确定目标历史信息，包括：

采用如下公式基于预设数量个所述时间步长内所述目标信息对应的多个历史变化数据，确定目标历史信息：

y_t+1＝α*r+b

其中，y_t+1为目标历史信息；r＝[r_t，r_t-1，...r_t-p，...，r_t-j+1]，r为预设数量个所述时间步长内所述目标信息对应的多个历史变化数据，r_t-p＝[r_(t-p)1，r_(t-p)2，...，r_(t-p)i，...，r_(t-p)n]，r_t-p为时间步长(t-p)内所述目标信息对应的多个历史变化数据，0≤p＜j，r_(t-p)i为所述目标信息在时间步长(t-p)内的离散时间点i至离散时间点(i+1)所对应的历史变化数据，r_(t-p)i＝x_(t-p)(i+1)-x_(t-p)i，x_(t-p)(i+1)为所述目标信息在时间步长(t-p)内的离散时间点(i+1)所对应的历史数据，x_(t-p)i为所述目标信息在时间步长(t-p)内的离散时间点i的所对应的历史数据，n为每个时间步长包括的离散时间点的数量，i≤n；α为预设的衰减因子，α＝[α₀，α₁，...α_p，...，α_j-1]，j为时间步长的数量，α_p为r_t-p对应的衰减因子分量；b为预设的偏差向量。

2.根据权利要求1所述的方法，其特征在于，所述基于所述初始变化趋势特征，确定所述目标信息在当前时间点后的变化趋势信息，作为所述目标信息的变化趋势预测结果，包括：

基于预设的噪声向量对所述初始变化趋势特征进行干扰模拟处理，获得所述目标信息在当前时间点后的变化趋势信息，作为所述目标信息的变化趋势预测结果；其中，所述预设的噪声向量满足标准高斯分布。