[发明专利]基于堆模型融合的公共自行车流量变化量预测方法

摘要

本发明公开了一种基于堆融合模型的公共自行车流量变化量预测方法。本发明步骤如下：1.采用了公共自行车租借记录数据和气象数据融合的方式提取特征，从时间、空间、气象、历史、聚类等几个角度构造特征向量；2.采用结合地理位置和租还关系为距离相似度矩阵，利用聚类算法进行聚类，并将聚类特征构造到特征向量中；3.按照特征类型，将特征向量分为五个分组，利用基于梯度提升树算法的机器学习系统训练出五个基础模型，然后通过交叉验证的方式训练特征，将五组基础模型的结果作为特征训练了堆模型。本发明保证了基础模型之间存在一定的差异性，最后采用交叉验证的方式构造堆模型，提升模型的准确度，具有较好的预测精度，误差较低。

主权项

基于堆模型融合的公共自行车流量变化量预测方法，其特征在于包括以下步骤：步骤1、根据出公共自行车历史数据集，构造流量的变化量作为目标值，提取出跟公共自行车数据以及气象相关的特征，构造为一个特征向量I；步骤2、收集历史数据每天对应的气象数据，对气象数据中的离散值进行编码，然后将编码后的气象数据与其原本的连续值一起构造为气象特征，并将构造后的气象特征加入到步骤1构造的特征向量I中，形成新的特征向量Ⅱ；步骤3、将站点的地理位置经纬度坐标和历史租还数据中站点与站点之间的租借记录关系两个因素结合为距离公式，通过聚类算法进行站点之间的聚类，将聚类的结果加入到步骤2构造的新的特征向量Ⅱ中；步骤4、对经过步骤(1)、(2)、(3)构造后的特征向量Ⅲ进行分组，分为时间特征、空间特征、历史特征、气象特征和聚类特征，然后分别放入树模型中进行训练，训练出五个基础模型；步骤5、使用训练数据集在五个基础模型中进行交叉验证，五个模型预测出的结果作为新的特征，与步骤3的特征向量Ⅲ进行拼接，构造为新的特征向量IX，放入树模型中进行训练，最后得到的新模型即是最终的预测模型——堆模型。