[发明专利]目标案件的预测方法和装置、电子设备、存储介质

权利要求书

1.一种目标案件的预测方法，其特征在于，所述方法包括：

对待测区域进行时空粒度划分，得到多个时空标记点；每一所述时空标记点包括一对时间粒度和空间粒度；

获取每一所述时空标记点的原始数据；

将每一所述原始数据输入到分布预测模型中进行预测处理，得到对应的初步分布结果；

将所述初步分布结果输入到预设的分布取整模型中进行取整处理，得到对应的取整分布结果；其中，所述取整分布结果包括案件取整数量和取整案件分布，所述案件取整数量用于表征所述时空标记点的案件数量，所述取整案件分布用于表征所述时空标记点的目标案件在空间和时间的分布情况；

对所述取整分布结果进行计算处理，得到目标分布结果；其中，所述目标分布结果包括目标案件数量和目标案件分布，所述目标案件数量用于表征所述待测区域中的案件数量，所述目标案件分布用于表征所述待测区域中的目标案件在空间和时间的分布情况。

2.根据权利要求1所述的方法，其特征在于，所述对待测区域进行时空粒度划分，得到多个时空标记点，包括：

基于时间维度对所述待测区域进行时间粒度划分，得到多个时间粒度；

基于空间维度对所述待测区域进行空间粒度划分，得到多个空间粒度；

将一对所述时间粒度和所述空间粒度进行组合，得到所述时空标记点。

3.根据权利要求1所述的方法，其特征在于，在所述将每一所述原始数据输入到分布预测模型中进行预测处理，得到对应的初步分布结果之前，所述方法还包括：构建所述分布预测模型，具体包括：

获取样本特征数据集；其中，所述样本特征数据集包括多个样本特征数据，每一所述样本特征数据包括原始样本特征和对应的原始案件数量；

将每一所述原始样本特征输入到预设的原始分布模型中进行训练处理，得到对应的训练案件数量；

根据所述原始案件数量和训练案件数量对所述原始分布模型的参数进行更新处理，得到所述分布预测模型。

4.根据权利要求3所述的方法，其特征在于，所述根据所述原始案件数量和训练案件数量对所述原始分布模型的参数进行更新处理，得到所述分布预测模型，包括：

对预设时段的所述原始案件数量和所述训练案件数量进行求差计算，得到对应的偏差值；所述预设时段包括起始时间和结束时间；

获取在所述起始时间前的多个所述原始案件数量中的最大值、最小值、均值和方差；

获取在所述结束时间后的所述原始案件数量，得到目标标签；

根据所述偏差值、所述最大值、所述最小值、所述均值、所述方差和所述目标标签调整所述原始分布模型的参数，得到所述分布预测模型。

5.根据权利要求1至4任意一项所述的方法，其特征在于，在所述将所述初步分布结果输入到预设的分布取整模型中进行取整处理，得到对应的取整分布结果之前，所述方法还包括：构建所述分布取整模型，具体包括：

获取与所述时空标记点相匹配的取整样本数据集；

将所述取整样本数据集输入到原始取整模型进行训练处理，得到所述分布取整模型。

6.根据权利要求5所述的方法，其特征在于，所述将所述取整样本数据集输入到原始取整模型进行训练处理，得到所述分布取整模型，包括：

对所述取整样本数据集进行分类处理，得到取整训练集和取整验证集；

对所述取整训练集中的每一所述取整训练数据进行网格搜索，并调整所述原始取整模型的参数；

根据所述取整验证集对调整参数后的所述原始取整模型进行交叉验证，得到多个验证分数；

取所述多个验证分数中分数值最高的验证分数对应的原始取整模型作为所述分布取整模型。

7.根据权利要求1至4任意一项所述的方法，其特征在于，所述对多个所述取整分布结果进行计算处理，得到目标分布结果，包括：

对所有所述取整分布结果中的案件取整数量进行求和处理，得到所述目标案件数量；

对所有所述取整分布结果中的取整案件分布进行组合处理，得到所述目标案件分布；

根据所述目标案件分布和所述目标案件数量得到所述目标分布情况。