[发明专利]一种基于深度神经网络的多因素融合学区学龄人口预测方法

摘要

本发明涉及一种基于深度神经网络的多因素融合学区学龄人口预测方法，包括如下：1)对每个学区的户籍数据和公积金数据进行预处理；2)根据预处理后的数据计算各个学区的人口年龄分布、学龄人口迁入时长分布、学龄人口所在户迁入时长分布、公积金缴纳金额分布，并构建总人口时序和学龄人口时序，进行相对归一化处理；利用CNN和LSTM网络提取总人口时序深度特征和学龄人口时序深度特征；3)将总人口时序深度特征、学龄人口时序深度特征、人口年龄分布、学龄人口迁入时长分布、学龄人口所在户迁入时长分布、公积金缴纳金额分布拼接后送入全连接层，计算学龄人口预测值。本发明对于合理规划教育投入和优化教育资源配置具有重要的现实意义。

主权项

1.一种基于深度神经网络的多因素融合学区学龄人口预测方法，其特征在于：包括数据预处理、特征提取、特征融合和预测三个阶段，具体步骤如下：(1)数据预处理阶段：根据学区划分信息对户籍数据和公积金数据进行预处理；(2)特征提取阶段：根据预处理后的数据计算各个学区的人口年龄分布、学龄人口迁入时长分布、学龄人口所在户迁入时长分布、公积金缴纳金额分布，构建总人口时序和学龄人口时序，进行相对归一化处理；并利用CNN和LSTM网络提取总人口时序深度特征和学龄人口时序深度特征；(3)特征融合和预测阶段：将总人口时序深度特征、学龄人口时序深度特征、人口年龄分布、学龄人口迁入时长分布、学龄人口所在户迁入时长分布、公积金缴纳金额分布拼接后送入全连接层，计算学龄人口预测值。