[发明专利]基于时间序列的众包服务供需缺口预测方法及系统

权利要求书

1.基于时间序列的众包服务供需缺口预测方法，其特征是，包括：

获取当前众包服务供需时间序列数据和当前众包服务文本数据；所述当前众包服务供需时间序列数据，具体包括一系列截止到当前时刻的某个待研究区域连续的供需差值；所述当前众包服务文本数据，包括来自于天气预报的关于待研究区域的当前时间的天气和温度数据以及当前时间属于工作日或节假日类型数据；

将当前众包服务供需时间序列数据的静态信息转换为静态图；

将当前众包服务供需时间序列数据的动态信息转换为递归图；

将静态图、递归图和当前众包服务文本数据，均输入到训练后的卷积神经网络中，输出当前众包服务供需缺口预测结果；

将静态图、递归图和当前众包服务文本数据，均输入到训练后的卷积神经网络中，输出当前众包服务供需缺口预测结果具体为：

其中，所述卷积神经网络，网络结构具体包括：

并列的四个支路：第一支路、第二支路、第三支路和第四支路；

其中，第一支路，包括：依次连接的卷积层a1、残差块a2和残差块a3；其中，卷积层a1的输入端，用于输入GASF图；

其中，第二支路，包括：依次连接的卷积层b1、残差块b2和残差块b3；其中，卷积层b1的输入端，用于输入GADF图；

其中，第三支路，包括：依次连接的卷积层c1、残差块c2和残差块c3；

其中，第四支路，包括：依次连接的嵌入层d1和全连接层d2；

残差块a3的输出端、残差块b3的输出端和残差块c3的输出端，均与第一连接层的输入端连接；所述第一连接层将残差块a3、残差块b3和和残差块c3的输出特征融合到一起，得到第一融合特征矩阵；

第一连接层的输出端和全连接层d2的输出端，均与第二连接层的输入端连接；所述第二连接层将第一连接层输出的第一融合特征矩阵与全连接层d2的输出值融合到一起，得到第二融合特征矩阵；

第二连接层的输出端与全连接层的输入端连接，全连接层实现对第二融合特征矩阵的分类；所述全连接层与输出层连接。

2.如权利要求1所述的基于时间序列的众包服务供需缺口预测方法，其特征是，将当前众包服务供需时间序列数据的静态信息转换为静态图；具体包括：

假设当前时刻为t时刻，将t-N时刻到t-1时刻范围内众包服务供需时间序列数据分割为大小相等的时间序列数据块，且时间序列数据块与时间序列数据块之间有设定的重叠比例；N为大于1的正整数；

将分割后的每个时间序列数据块里面的数值缩放到[0,1]区间内；

将缩放后的数值与对应的时间转换成极坐标下的角度与半径；

根据转换后的极坐标，绘制极坐标图；

根据极坐标图，生成两个格拉姆角场矩阵，分别是格拉姆角和场GASF矩阵和格拉姆角差场GADF矩阵；

将GASF矩阵和GADF矩阵，转换为GASF图和GADF图。

3.如权利要求1所述的基于时间序列的众包服务供需缺口预测方法，其特征是，将当前众包服务供需时间序列数据的动态信息转换为递归图；具体包括：

假设当前时刻为t时刻，将t-N时刻到t-1时刻范围内众包服务供需时间序列数据分割为大小相等的时间序列数据块，且时间序列数据块与时间序列数据块之间有设定的重叠比例；N为大于1的正整数；

根据分割后的时间序列数据块，计算不同时间序列数据块之间的差的范数；

根据阶跃函数和范数，得到元素为1或0的二维矩阵，用不同的颜色表示0和1，进而得到用颜色表示二维矩阵元素值的有色图，该有色图为递归图。