[发明专利]基于用户模式与深度学习联合模型的用水量预测方法及系统在审
| 申请号： | 202211565217.8 | 申请日： | 2022-12-07 |
| 公开（公告）号： | CN115730744A | 公开（公告）日： | 2023-03-03 |
| 发明（设计）人： | 许乐;郑恒;黄庆;胡维 | 申请（专利权）人： | 中南水务科技有限公司 |
| 主分类号： | G06Q10/04 | 分类号： | G06Q10/04;G06Q50/06;G06F16/2458;G06F18/2431;G06F18/23;G06N3/049;G06N3/048;G06N3/0442;G06N3/0464;G06N3/045;G06N3/08 |
| 代理公司： | 广州市红荔专利代理有限公司 44214 | 代理人： | 李婷 |
| 地址： | 410000 湖南省长沙*** | 国省代码： | 湖南;43 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 基于 用户 模式 深度 学习 联合 模型 用水量 预测 方法 系统 | ||
1.一种基于用户模式与深度学习联合模型的用水量预测方法，其特征在于，包括以下步骤：
利用时间序列分解方法将用水量时间序列分解，提取其趋势项、噪声项及周期项；
利用聚类、统计规律方法对用户进行分类并获得相应的用水模式，并将对应时段的用水模式与提取的所述周期项进行融合，成为修正后的用水模式项；最终将提取的所述趋势项、噪声项及修正后的用水模式项作为特征输入长短期记忆人工神经网络深度学习方法进行预测。
2.如权利要求1所述的基于用户模式与深度学习联合模型的用水量预测方法，其特征在于，所述利用时间序列分解方法将用水量时间序列分解，提取其趋势项、噪声项及周期项的步骤包括：
利用基于统计规律等方法对原始用水量时间序列训练数据进行预处理，将异常数据修正；
对于已经处理好的用水量时间序列，利用时序分解算法进行分解，将已经处理好的用水量时间序列分解为趋势项、周期项和噪声项。
3.如权利要求2所述的基于用户模式与深度学习联合模型的用水量预测方法，其特征在于，对于已经处理好的用水量时间序列，分解的三个部分为：
xt＝t+t+t
其中，xt为经预处理后的用水量时间序列，Tt为用水量序列的趋势部分，表示用水量的朝着某一方向变化的趋势；St为周期性部分，主要表示用水量的周期性特征；Nt为噪声项，为用水量时间序列的随机部分。
4.如权利要求3所述的基于用户模式与深度学习联合模型的用水量预测方法，其特征在于，所述利用聚类、统计规律方法对用户进行分类并获得相应的用水模式，并将对应时段的用水模式与提取的所述周期项进行融合，成为修正后的用水模式项，最终将提取的所述趋势项、噪声项及修正后的用水模式项作为特征输入长短期记忆人工神经网络深度学习方法进行预测的步骤包括：
提取用户用水模式并融合周期性序列；
运用长短期记忆人工神经网络，对基于时序分解算法分解后的时间序列进行预测。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于中南水务科技有限公司，未经中南水务科技有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/202211565217.8/1.html，转载请声明来源钻瓜专利网。
- 同类专利
- 专利分类
G06Q 专门适用于行政、商业、金融、管理、监督或预测目的的数据处理系统或方法；其他类目不包含的专门适用于行政、商业、金融、管理、监督或预测目的的处理系统或方法
G06Q10-00 行政；管理
G06Q10-02 .预定，例如用于门票、服务或事件的
G06Q10-04 .预测或优化，例如线性规划、“旅行商问题”或“下料问题”
G06Q10-06 .资源、工作流、人员或项目管理，例如组织、规划、调度或分配时间、人员或机器资源；企业规划；组织模型
G06Q10-08 .物流，例如仓储、装货、配送或运输；存货或库存管理，例如订货、采购或平衡订单
G06Q10-10 .办公自动化，例如电子邮件或群件的计算机辅助管理
