[发明专利]虚拟桩

摘要

本发明公开了一种虚拟桩，取200组爬虫数据训练样本，进行双重BP神经网络组合预测模型的学习训练，该组合预测模型的输入个数为2，即回归神经网络和延时神经网络的预测输出，隐层数目根据测试取10，输出个数为1，即最终预测值，学习误差控制在0.00001以内；然后选取某一连续运行时段内的60组实际爬虫数据进行校核分析；本发明提供的虚拟桩，利用神经网络对爬虫数据进行预测，无需对数据的时间序列做平稳性假设，仅依靠样本数据的训练来寻求数据之间的映射关系，从而建立准确的数据预测模型。

主权项

一种虚拟桩，其特征在于：数据预测流程：数据爬虫系统：爬取的是地跌站的人行流量数据和公交车的人行流量数据；清洗数据：对数据进行清洗、过滤、转化，提取出符合自己的数据；双重BP神经网络组合预测模型：对清洗数据进行建模、预测；应用程序：预测人流量大的地铁或公交车的站点，交给应用程序去判断虚拟站点的位置；非线性组合模型预测模型：数学表达式为：y＝f(x1,x2,...,xi,...,xn)；Y：表示神经网络组合器的输出，即组合预测模型的预测值，也就是预测人流大的区域；xi：表示第i项预测模型的预测值；f(...)：表示神经网络非线性映射函数；双重BP神经网络组合预测模型：第1重由回归神经网络和延时神经网络组成，回归神经网络模型用爬虫数据作为输入，延时神经网络模型则用与预测参数相关运行参数作为输入；第2重是神经网络组合器，将前两者的预测结果进行优化组合，从而充分利用测点数据的历史变化趋势和相关参数的映射规律信息，提高预测精度。