垃圾总量预测方法、装置、设备及存储介质制造方法及图纸

本申请提供一种垃圾总量预测方法、装置、设备及存储介质。该方法包括：确定各目标影响因素的数值，其中，所述目标影响因素为影响目标活动的垃圾总量的因素；输出所述目标活动的垃圾总量预测值；其中，所述目标活动的垃圾总量预测值是以所述各目标影响因素的数值作为基于深度学习的垃圾总量预测模型的输入，通过所述垃圾总量预测模型输出得到的。本申请通过基于深度学习的垃圾总量预测模型，以及影响目标活动的垃圾总量的各目标影响因素的数值，能够预测得到目标活动的垃圾总量预测值，提高获取目标活动的垃圾总量的准确度。

【技术实现步骤摘要】
垃圾总量预测方法、装置、设备及存储介质
本申请涉及计算机
，尤其涉及一种垃圾总量预测方法、装置、设备及存储介质。
技术介绍
随着经济发展和人们生活水平的提高，社会活动产生的垃圾日益成为污染环境、影响人们生产、生活的问题。例如，在展会举办期间，在展会活动区域会产生大量的生活垃圾。如果垃圾清运车辆、人员等配备不足，会导致大量垃圾堆积，影响展会的正常进行，并且垃圾大量滞留容易滋生细菌，增加食品卫生安全风险。因而，需要一种垃圾总量预测装置，以对垃圾总量进行预测。一般地，由工作人员根据人工经验，确定目标活动的垃圾总量。然而，根据人工经验，容易导致得到的垃圾总量与实际值偏差大，准确度较低。
技术实现思路
本申请实施例提供一种垃圾总量预测方法、装置、设备及存储介质，以解决目前获取的垃圾总量准确度低的问题。第一方面，本申请实施例提供一种垃圾总量预测方法，包括：确定各目标影响因素的数值，其中，所述目标影响因素为影响目标活动的垃圾总量的因素；输出所述目标活动的垃圾总量预测值；其中，所述目标活动的垃圾总量预测值是以所述各目标影响因素的数值作为基于深度学习的垃圾总量预测模型的输入，通过所述垃圾总量预测模型输出得到的。第二方面，本申请实施例提供一种垃圾总量预测装置，包括：获取模块，用于确定各目标影响因素的数值，其中，所述目标影响因素为影响目标活动的垃圾总量的因素；输出模块，用于输出所述目标活动的垃圾总量预测值；其中，所述目标活动的垃圾总量预测值是以所述各目标影响因素的数值作为基于深度学习的垃圾总量预测模型的输入，通过所述垃圾总量预测模型输出得到的。第三方面，本申请实施例提供一种电子设备，包括：至少一个处理器和存储器；所述存储器存储计算机执行指令；所述至少一个处理器执行所述存储器存储的计算机执行指令，使得所述至少一个处理器执行如上第一方面以及第一方面各种可能的实施方式所述的垃圾总量预测方法。第四方面，本申请实施例提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现如上第一方面以及第一方面各种可能的实施方式所述的垃圾总量预测方法。本申请实施例提供的垃圾总量预测方法、装置、设备及存储介质，确定各目标影响因素的数值，其中，目标影响因素为影响目标活动的垃圾总量的因素；输出目标活动的垃圾总量预测值；其中，目标活动的垃圾总量预测值是以各目标影响因素的数值作为基于深度学习的垃圾总量预测模型的输入，通过垃圾总量预测模型输出得到的，通过基于深度学习的垃圾总量预测模型，以及影响目标活动的垃圾总量的各目标影响因素的数值，能够预测得到目标活动的垃圾总量预测值，提高获取目标活动的垃圾总量的准确度。附图说明为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1为本申请一实施例提供的垃圾总量预测方法的场景示意图；图2为本申请又一实施例提供的垃圾总量预测方法的场景示意图；图3为本申请一实施例提供的垃圾总量预测方法的流程示意图；图4为本申请又一实施例提供的垃圾总量预测方法的流程示意图；图5为本申请实施例提供的基于反向传播神经网络的垃圾总量预测模型的示意图；图6为本申请另一实施例提供的垃圾总量预测方法的流程示意图；图7为本申请一实施例提供的垃圾总量预测装置的结构示意图；图8为本申请一实施例提供的电子设备的硬件结构示意图。具体实施方式为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。为克服根据人工经验预测目标活动的垃圾总量，导致垃圾总量的预测准确度低的问题，本申请通过确定基于深度学习的垃圾总量预测模型进行预测，首先确定影响目标活动的垃圾总量的各目标影响因素的数值，然后输入基于深度学习的垃圾总量预测模型，得到目标活动的垃圾总量预测值，能够提高垃圾总量预测的准确度。本申请实施例提供的垃圾总量预测方法可以由垃圾总量预测装置实现。垃圾总量预测装置的输入为各目标影响因素的数值。各目标影响因素的数值可以是由用户收集并输入到垃圾总量预测装置的，也可以是垃圾总量预测装置在接收到用户输入的目标活动的标识信息后，根据该标识信息从数据库、网站等数据平台自动搜索到的。垃圾总量预测装置的输出为目标活动的垃圾总量预测值。该预测值可以用于确定目标活动的垃圾清运车辆的数量和/或垃圾清运人员的数量，以便用户对目标活动进行清运资源的调配，为目标活动配置相应的垃圾清运车辆和/或垃圾清运人员，以实现对目标活动的垃圾清运。图1为本申请一实施例提供的垃圾总量预测方法的场景示意图。该场景中可以包括第一终端11和服务器12。其中，第一终端11具体可以为手机、台式电脑、车载终端、或者平板电脑等设备。本申请实施例提供的垃圾总量预测方法用于对目标活动的垃圾总量进行预测。目标活动可以为展会、演唱会、运动会、某小区的居民生活、某市区的居民生活等。目标活动的垃圾总量为目标活动进行期间所产生的垃圾总量，如目标活动为展会，则展会的垃圾总量为展会举办期间，在展会所在区域内产生的垃圾的总量，又如目标活动为某小区的居民生活，则某小区的居民生活的垃圾总量为在指定时段(如一年、一个月等)内，该小区所在区域内产生的垃圾的总量。第一终端11向服务器12发送多个目标影响因素的数值。目标影响因素为影响目标活动的垃圾总量的因素。目标影响因素与垃圾总量的关联度可以满足预设条件。其中，目标影响因素的数值可以是由用户输入到第一终端11的。或者，第一终端11向服务器12发送目标活动的标识信息，该标识信息由用户输入，以使服务器12根据该标识信息，从数据库、网站等数据平台搜索目标活动的多个目标影响因素的数值。服务器12执行本申请实施例提供的垃圾总量预测方法。服务器12中预置有预先根据目标影响因素所构建，且经过训练的基于深度学习的垃圾总量预测模型。该模型的输入即为各目标影响因素的数值，输出为目标活动的垃圾总量预测值。服务器12在接收第一终端11发送的各目标影响因素的数值后，将各目标影响因素的数值输入该模型，得到目标活动的垃圾总量预测值，向第一终端11发送该垃圾总量预测值。第一终端11接收服务器12发送的目标活动的垃圾总量预测值后，显示该垃圾总量预测值，以便用户查看。用户可以基于该垃圾总量预测值确定目标活动所需的垃圾清运车辆的数量和/或垃圾清运人员的数量，以便对目标活动进行相应的垃圾清运车辆和/或垃圾清运人员配备，以满足目标本文档来自技高网...

【技术保护点】
1.一种垃圾总量预测方法，其特征在于，包括：/n确定各目标影响因素的数值，其中，所述目标影响因素为影响目标活动的垃圾总量的因素；/n输出所述目标活动的垃圾总量预测值；其中，所述目标活动的垃圾总量预测值是以所述各目标影响因素的数值作为基于深度学习的垃圾总量预测模型的输入，通过所述垃圾总量预测模型输出得到的。/n

【技术特征摘要】
1.一种垃圾总量预测方法，其特征在于，包括：
确定各目标影响因素的数值，其中，所述目标影响因素为影响目标活动的垃圾总量的因素；
输出所述目标活动的垃圾总量预测值；其中，所述目标活动的垃圾总量预测值是以所述各目标影响因素的数值作为基于深度学习的垃圾总量预测模型的输入，通过所述垃圾总量预测模型输出得到的。


2.根据权利要求1所述的方法，其特征在于，所述确定各目标影响因素的数值，包括：
接收各目标影响因素的数值的输入；或者，
接收所述目标活动的标识信息的输入，并根据所述标识信息获取所述各目标影响因素的数值。


3.根据权利要求1所述的方法，其特征在于，所述目标影响因素的确定方法包括：
获取多个第一样本，其中，每个所述第一样本包括一个历史活动中多个候选影响因素的历史数值以及所述历史活动相应的历史垃圾总量；所述历史活动与所述目标活动的类型相同；
根据各第一样本，确定各候选影响因素与垃圾总量的关联度；
将关联度符合预设条件的候选影响因素，确定为所述目标影响因素。


4.根据权利要求3所述的方法，其特征在于，根据各第一样本，确定各候选影响因素与垃圾总量的关联度，包括：
针对每个候选影响因素，将各第一样本中的该候选影响因素的历史数值组成参考数列；
将各第一样本中的历史垃圾总量组成比较数列；
根据各参考数列和所述比较数列，确定各候选影响因素与垃圾总量的关联度。


5.根据权利要求1-4任一项所述的方法，其特征在于，所述方法还包括：
根据所述目标活动的垃圾总量预测值，确定所述目标活动的垃圾清运车辆的数量、垃圾清运人员的数量中至少之一。

【专利技术属性】
技术研发人员：郎作平，陶发理，户军，
申请(专利权)人：杭州海康威视系统技术有限公司，
类型：发明
国别省市：浙江;33