龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：北京航空航天大学;北京市西城区科学技术和信息化局(北京市西城区大数据管理局)
摘要：本发明属于智能城市技术领域，公开了一种基于混杂感知与因果去偏的城市时空数据预测方法。该方法构建了基于混杂感知与因果去偏的深度学习模型（CADN），将历史城市时空数据经过预处理转化为各区域分时段观测数据，输入深度学习模型，对各区域未来城市时空数据进行预测。本发明的深度学习模型将输入的历史观测数据经时域因果去偏模块提取无偏的时域因果特征，再经过空域因果传递模块提取无偏的时空因果特征，最后经融合预测器输出预测结果。本发明对于城市中的时空数据预测准确性高，具有鲁棒性。
主权项：1.一种基于混杂感知与因果去偏的城市时空数据预测方法，其特征在于，包括以下步骤：S1：收集历史城市时空数据，并进行预处理，获得标准数据训练集；S2：构建基于混杂感知与因果去偏的深度学习模型，所述深度学习模型包括多个串联的时空因果特征提取模块以及一个和融合预测模块，每个时空因果特征提取模块包含一个时域因果去偏模块和一个空域因果传递模块；S3：采用S1得到的标准数据训练集对深度学习模型完成训练；S4：利用训练好的深度学习模型对城市时空数据进行预测；所述S1中的预处理为：将待预测地域划分为N个区域，统计各区域内分时段的城市时空数据；所述时域因果去偏模块包括潜在混杂估计器部分和因果干预部分；其中，潜在混杂估计器部分通过构建分层矩阵将标准数据分为具有不同混杂因素的聚簇；因果干预部分将各聚簇分别通过独立的门控递归单元，并通过后门调整公式生成无偏的时域特征；所述时域因果去偏模块中历史城市时空数据X和预测城市时空数据Y的相关性模型如下： 其中，混杂因素C服从离散均匀分布，p表示混杂因素C共包含p类，即将多个区域分为p类，，表示输入第k类区域历史城市时空数据所对应的预测模型，其中，k=1,2,…p，表示第k类区域的时域提取模型，表示第k类区域的时域特征，表示第k类混杂因素，表示的共现概率。
全文数据：
权利要求：
百度查询： 北京航空航天大学 北京市西城区科学技术和信息化局(北京市西城区大数据管理局) 一种基于混杂感知与因果去偏的城市时空数据预测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号