【技術(shù)實現(xiàn)步驟摘要】
本申請屬于人工智能，尤其涉及一種區(qū)域人口模型訓(xùn)練方法、區(qū)域人口預(yù)測方法、裝置、電子設(shè)備及計算機可讀存儲介質(zhì)。
技術(shù)介紹
1、城市區(qū)域人口規(guī)模預(yù)測是城市總體規(guī)劃的首要工作，城市的用地規(guī)模、城市布局以及城市基礎(chǔ)設(shè)施的組成和規(guī)模都與城市區(qū)域人口規(guī)模有著十分密切的關(guān)系。
2、目前區(qū)域人口總量預(yù)測的傳統(tǒng)方法主要是平均增長率法，帶眷系數(shù)法、剩余勞動力轉(zhuǎn)化法等。隨著人工智能的發(fā)展，使用卷積神經(jīng)網(wǎng)絡(luò)（cnn）技術(shù)進行人口規(guī)模預(yù)測也日趨成熟，但是訓(xùn)練一個較優(yōu)的cnn回歸預(yù)測模型往往需要較多的數(shù)據(jù)樣本，由于人口相關(guān)的數(shù)據(jù)（戶籍人口、常住人口、人均gdp等）統(tǒng)計年份少，樣本數(shù)量非常有限，使得人口預(yù)測模型無法充分的學(xué)習(xí)到樣本數(shù)據(jù)的特征，導(dǎo)致訓(xùn)練出來的人口預(yù)測模型預(yù)測的結(jié)果準(zhǔn)確度差。
技術(shù)實現(xiàn)思路
1、本申請實施例提供了一種區(qū)域人口模型訓(xùn)練方法、區(qū)域人口預(yù)測方法、裝置、電子設(shè)備及計算機可讀存儲介質(zhì)，可以提高區(qū)域人口預(yù)測的準(zhǔn)確性。
2、第一方面，本申請實施例提供了一種區(qū)域人口模型訓(xùn)練方法，包括：
3、根據(jù)不同的人口類別標(biāo)簽對待預(yù)測區(qū)域的區(qū)域信息進行劃分，得到多個區(qū)域信息子集；所述人口類別標(biāo)簽為與人口數(shù)量相關(guān)的類別標(biāo)簽；
4、根據(jù)灰色預(yù)測模型對所述多個區(qū)域信息子集進行數(shù)據(jù)預(yù)測，得到區(qū)域擴展信息集合；所述灰色預(yù)測模型用于學(xué)習(xí)所述區(qū)域信息子集中區(qū)域信息的分布規(guī)律，并得到與所述分布規(guī)律一致的所述區(qū)域擴展信息集合；
5、根據(jù)所述人口類別標(biāo)簽對所述區(qū)域信息子集和
6、根據(jù)所述訓(xùn)練樣本集合訓(xùn)練預(yù)構(gòu)建的區(qū)域人口預(yù)測模型，得到訓(xùn)練完成的所述區(qū)域人口預(yù)測模型。
7、可選地，所述根據(jù)不同的人口類別標(biāo)簽對待預(yù)測區(qū)域的區(qū)域信息進行劃分，得到多個區(qū)域信息子集，包括：
8、根據(jù)不同所述人口類別標(biāo)簽將所述待預(yù)測區(qū)域的區(qū)域信息劃分為對應(yīng)數(shù)量的多個類別集合，其中，一個所述類別集合與一個所述人口類別標(biāo)簽相對應(yīng)；
9、針對每個所述類別集合，對所述類別集合中的區(qū)域信息進行標(biāo)準(zhǔn)化處理，得到所述區(qū)域信息子集。
10、可選地，在所述根據(jù)灰色預(yù)測模型對所述多個區(qū)域信息子集進行數(shù)據(jù)預(yù)測，得到區(qū)域擴展信息集合之前，還包括：
11、從每個所述區(qū)域信息子集中選取原始數(shù)據(jù)序列；所述原始數(shù)據(jù)序列中的區(qū)域信息按照時間順序排列；
12、對所述原始數(shù)據(jù)序列進行序列驗證；所述序列驗證用于驗證所述原始數(shù)據(jù)序列是否滿足預(yù)設(shè)的序列分布規(guī)律；
13、所述根據(jù)灰色預(yù)測模型對所述多個區(qū)域信息子集進行數(shù)據(jù)預(yù)測，得到區(qū)域擴展信息集合，包括：
14、在所述原始數(shù)據(jù)序列驗證通過的情況下，利用所述灰色預(yù)測模型對所述原始數(shù)據(jù)序列進行序列預(yù)測，得到擴展數(shù)據(jù)序列；
15、匯總所有原始數(shù)據(jù)序列對應(yīng)的擴展數(shù)據(jù)序列，得到所述區(qū)域擴展信息集合。
16、可選地，所述對所述原始數(shù)據(jù)序列進行序列驗證，包括：
17、計算所述原始數(shù)據(jù)序列的序列級比；所述序列級比用于表示所述原始數(shù)據(jù)序列的序列分布規(guī)律；
18、若所述序列級比落入預(yù)設(shè)的級比范圍內(nèi)，則確定所述原始數(shù)據(jù)序列驗證通過；
19、若所述序列級比未落入預(yù)設(shè)的級比范圍內(nèi)，則確定所述原始數(shù)據(jù)序列驗證不通過。
20、可選地，所述利用所述灰色預(yù)測模型對所述原始數(shù)據(jù)序列進行序列預(yù)測，得到擴展數(shù)據(jù)序列，包括：
21、針對每個所述區(qū)域信息子集中選取的原始數(shù)據(jù)序列，根據(jù)上述時間順序?qū)λ鲈紨?shù)據(jù)序列中的區(qū)域信息進行數(shù)據(jù)累加，得到累加數(shù)據(jù)序列；
22、根據(jù)所述累加數(shù)據(jù)序列構(gòu)建所述累加數(shù)據(jù)序列對應(yīng)的區(qū)域信息子集的所述灰色預(yù)測模型，其中，一個所述區(qū)域信息子集與一個所述灰色預(yù)測模型相對應(yīng)；
23、利用所述灰色預(yù)測模型對對應(yīng)的區(qū)域信息子集中選取的原始數(shù)據(jù)序列進行序列預(yù)測，得到所述擴展數(shù)據(jù)序列。
24、可選地，所述根據(jù)所述人口類別標(biāo)簽對所述區(qū)域信息子集和所述區(qū)域擴展信息集合采樣，得到訓(xùn)練樣本集合，包括：
25、基于不同所述人口類別標(biāo)簽，從與所述人口類別標(biāo)簽對應(yīng)的所述區(qū)域信息子集和所述區(qū)域擴展信息集合中采樣預(yù)設(shè)數(shù)量的數(shù)據(jù)序列，得到所述訓(xùn)練樣本集合。
26、可選地，所述預(yù)構(gòu)建的區(qū)域人口預(yù)測模型包括多個卷積層和多個采樣層，其中，所述采樣層的數(shù)量和所述卷積層的數(shù)量相等，所述采樣層和所述卷積層通過交錯串聯(lián)的方式拼接，所述根據(jù)所述訓(xùn)練樣本集合訓(xùn)練預(yù)構(gòu)建的區(qū)域人口預(yù)測模型，得到訓(xùn)練完成的所述區(qū)域人口預(yù)測模型，包括：
27、將所述訓(xùn)練樣本集合中的數(shù)據(jù)序列輸入所述預(yù)構(gòu)建的區(qū)域人口預(yù)測模型；
28、利用所述多個卷積層和所述多個采樣層對所述數(shù)據(jù)序列進行特征提取，得到特征序列；
29、根據(jù)所述特征序列確定損失函數(shù)；
30、基于所述損失函數(shù)對所述預(yù)構(gòu)建的區(qū)域人口預(yù)測模型的模型參數(shù)進行調(diào)整，直至所述損失函數(shù)滿足預(yù)設(shè)的函數(shù)要求，得到訓(xùn)練完成的所述區(qū)域人口預(yù)測模型。
31、第二方面，本申請實施例提供了一種區(qū)域人口預(yù)測方法，包括：
32、獲取目標(biāo)區(qū)域的區(qū)域信息；所述目標(biāo)區(qū)域為待進行人口規(guī)模預(yù)測的區(qū)域；
33、利用不同的人口類別標(biāo)簽對所述區(qū)域信息進行劃分，得到多個區(qū)域劃分信息；所述人口類別標(biāo)簽為與人口數(shù)量相關(guān)的類別標(biāo)簽；
34、將所述多個區(qū)域劃分信息輸入預(yù)訓(xùn)練的區(qū)域人口預(yù)測模型，得到所述目標(biāo)區(qū)域的人口規(guī)模預(yù)測結(jié)果；其中，所述區(qū)域人口預(yù)測模型根據(jù)上述第一方面所述的區(qū)域人口模型訓(xùn)練方法訓(xùn)練得到。
35、第三方面，本申請實施例提供了一種區(qū)域人口模型訓(xùn)練裝置，包括：
36、區(qū)域信息劃分模塊，用于根據(jù)不同的人口類別標(biāo)簽對待預(yù)測區(qū)域的區(qū)域信息進行劃分，得到多個區(qū)域信息子集；所述人口類別標(biāo)簽為與人口數(shù)量相關(guān)的類別標(biāo)簽；
37、區(qū)域信息擴展模塊，用于根據(jù)灰色預(yù)測模型對所述多個區(qū)域信息子集進行數(shù)據(jù)預(yù)測，得到區(qū)域擴展信息集合；所述灰色預(yù)測模型用于學(xué)習(xí)所述區(qū)域信息子集中區(qū)域信息的分布規(guī)律，并得到與所述分布規(guī)律一致的所述區(qū)域擴展信息集合；
38、訓(xùn)練樣本采樣模塊，用于根據(jù)所述人口類別標(biāo)簽對所述區(qū)域信息子集和所述區(qū)域擴展信息集合采樣，得到訓(xùn)練樣本集合；
39、區(qū)域人口模型訓(xùn)練模塊，用于根據(jù)所述訓(xùn)練樣本集合訓(xùn)練預(yù)構(gòu)建的區(qū)域人口預(yù)測模型，得到訓(xùn)練完成的所述區(qū)域人口預(yù)測模型。
40、第四方面，本申請實施例提供了一種電子設(shè)備，包括存儲器、處理器以及存儲在所述存儲器中并可在所述處理器上運行的計算機程序，所述處理器執(zhí)行所述計算機程序時實現(xiàn)上述第一方面所述的區(qū)域人口模型訓(xùn)練方法的步驟。
41、第五方面，本申請實施例提供了一種計算機可讀存儲介質(zhì)，所述計算機存儲介質(zhì)存儲有計算機程序，所述計算機程序被處理器執(zhí)行時實現(xiàn)上述第一方面所述的區(qū)域人口模型訓(xùn)練方法的步驟。
42、本文檔來自技高網(wǎng)...
【技術(shù)保護點】
1.一種區(qū)域人口模型訓(xùn)練方法，其特征在于，包括：
2.如權(quán)利要求1所述的區(qū)域人口模型訓(xùn)練方法，其特征在于，所述根據(jù)不同的人口類別標(biāo)簽對待預(yù)測區(qū)域的區(qū)域信息進行劃分，得到多個區(qū)域信息子集，包括：
3.如權(quán)利要求2所述的區(qū)域人口模型訓(xùn)練方法，其特征在于，在所述根據(jù)灰色預(yù)測模型對所述多個區(qū)域信息子集進行數(shù)據(jù)預(yù)測，得到區(qū)域擴展信息集合之前，還包括：
4.如權(quán)利要求3所述的區(qū)域人口模型訓(xùn)練方法，其特征在于，所述對所述原始數(shù)據(jù)序列進行序列驗證，包括：
5.如權(quán)利要求3所述的區(qū)域人口模型訓(xùn)練方法，其特征在于，所述利用所述灰色預(yù)測模型對所述原始數(shù)據(jù)序列進行序列預(yù)測，得到擴展數(shù)據(jù)序列，包括：
6.如權(quán)利要求5所述的區(qū)域人口模型訓(xùn)練方法，其特征在于，所述根據(jù)所述人口類別標(biāo)簽對所述區(qū)域信息子集和所述區(qū)域擴展信息集合采樣，得到訓(xùn)練樣本集合，包括：
7.如權(quán)利要求4-6任一項所述的區(qū)域人口模型訓(xùn)練方法，其特征在于，所述預(yù)構(gòu)建的區(qū)域人口預(yù)測模型包括多個卷積層和多個采樣層，其中，所述采樣層的數(shù)量和所述卷積層的數(shù)量相等，所述采樣層和所述卷積
8.一種區(qū)域人口預(yù)測方法，其特征在于，包括：
9.一種電子設(shè)備，包括存儲器、處理器以及存儲在所述存儲器中并可在所述處理器上運行的計算機程序，其特征在于，所述處理器執(zhí)行所述計算機程序時實現(xiàn)如權(quán)利要求1至7任一項所述的方法，或執(zhí)行如權(quán)利要求8所述的方法。
10.一種計算機可讀存儲介質(zhì)，所述計算機可讀存儲介質(zhì)存儲有計算機程序，其特征在于，所述計算機程序被處理器執(zhí)行時實現(xiàn)如權(quán)利要求1至7任一項所述的方法，或執(zhí)行如權(quán)利要求8所述的方法。
...【技術(shù)特征摘要】
1.一種區(qū)域人口模型訓(xùn)練方法，其特征在于，包括：
2.如權(quán)利要求1所述的區(qū)域人口模型訓(xùn)練方法，其特征在于，所述根據(jù)不同的人口類別標(biāo)簽對待預(yù)測區(qū)域的區(qū)域信息進行劃分，得到多個區(qū)域信息子集，包括：
3.如權(quán)利要求2所述的區(qū)域人口模型訓(xùn)練方法，其特征在于，在所述根據(jù)灰色預(yù)測模型對所述多個區(qū)域信息子集進行數(shù)據(jù)預(yù)測，得到區(qū)域擴展信息集合之前，還包括：
4.如權(quán)利要求3所述的區(qū)域人口模型訓(xùn)練方法，其特征在于，所述對所述原始數(shù)據(jù)序列進行序列驗證，包括：
5.如權(quán)利要求3所述的區(qū)域人口模型訓(xùn)練方法，其特征在于，所述利用所述灰色預(yù)測模型對所述原始數(shù)據(jù)序列進行序列預(yù)測，得到擴展數(shù)據(jù)序列，包括：
6.如權(quán)利要求5所述的區(qū)域人口模型訓(xùn)練方法，其特征在于，所述根據(jù)所述人口類別標(biāo)簽對所述區(qū)域信息子集和所述區(qū)域擴展信息集合采樣，得到訓(xùn)練樣本集合，包括：...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：曾維亮，李木俊，何良明，曾靜，肖林，
申請(專利權(quán))人：中電科新型智慧城市研究院有限公司，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。