一种基于物联网的楼宇经济预测方法与系统技术方案

本发明专利技术公开了一种基于物联网的楼宇经济预测方法与系统，上述方法包括：采集与楼宇相关的互联网数据、物联网数据与企业经济数据，进行预处理后分为第一训练集与第一测试集；利用第一训练集训练ARIMA模型并利用第一测试集对物联网数据进行时间序列预测，获得ARIMA模型的预测结果；获取楼宇的事件数据，根据事件数据利用楼宇知识图谱得到楼宇的事件嵌入，将ARIMA模型的预测结果与事件嵌入组成的多通道链接向量作为第二测试集；将第一训练集与事件嵌入组成的多通道链接向量以及当前所在时间作为第二训练集，基于区块链和联邦学习根据第二训练集对LSTM模型进行训练，获得企业经济预测模型，利用企业经济预测模型根据第二测试集对楼宇未来的经济进行预测。对楼宇未来的经济进行预测。对楼宇未来的经济进行预测。

【技术实现步骤摘要】
一种基于物联网的楼宇经济预测方法与系统


[0001]本专利技术涉及计算机
，尤其涉及一种基于物联网的楼宇经济预测方法与系统。

技术介绍

[0002]在企业经济发展过程中,针对其具体的经济状况及其未来的发展趋势进行预测和估算,能够帮助相应的管理人员更为清晰地认识到企业经济发展的趋势，提高企业经济决策的准确性,能够在较大程度上提升企业的发展速度,避免企业经济损失,而通过有效地经济预测就能够为具体的经济决策制定提供详细的资料和数据支持,保障经济决策制定的准确性。其次，有效的经济预测就能够在较大程度上保障企业经济计划制定的有效性和准确性,尽可能的避免计划失误的出现,保障企业健康发展。
[0003]目前的经济预测方法主要是根据历史经济发展情况，根据历史时间序列数据对未来的经济发展进行预测。但这种方法只能根据历史经济的发展情况来预测，不能根据企业的实际运转状态进行预测，一旦企业运转出现不可抗力因素的影响，仅仅利用往期经济数据的预测方法就会失效。且影响企业经济发展的因素是多样化的，且容易受到突发事件的影响，仅仅通过时间序列所表达出来的信息有限，在此基础上学习的模型和算法不能更好的学习企业发展运行情况，而只适合于时间序列规律较强的数据。物联网时代背景下，结合更多数据信息对企业经济发展进行预测成为亟待解决的问题。另外，企业经济数据会存在数据隐私安全问题，如何在不获取企业经济数据的条件下训练模型也是一个亟待解决的问题。

技术实现思路

[0004]本专利技术针对上述的仅利用历史经济数据预测经济发展存在局限性的技术问题，提出一种基于物联网的楼宇经济预测方法与系统。
[0005]第一方面，本申请实施例提供了一种基于物联网的楼宇经济预测方法，包括：
[0006]影响因素数据获取步骤：采集与楼宇相关的互联网数据、物联网数据与企业经济数据，并计算滞后的所述物联网数据与所述企业经济数据的相关性，选取相关性最大的滞后数据，将所述互联网数据、所述物联网数据、所述企业经济数据与所述滞后数据预处理后分为第一训练集与第一测试集；
[0007]ARIMA模型预测步骤：利用所述第一训练集训练ARIMA模型并利用所述第一测试集对所述物联网数据进行时间序列预测，获得所述物联网数据中每一影响因素的预测结果作为ARIMA模型的预测结果；
[0008]事件数据获取步骤：获取楼宇的事件数据，根据所述事件数据利用楼宇知识图谱得到楼宇的事件嵌入，将所述ARIMA模型的预测结果与所述事件嵌入组成的多通道链接向量作为第二测试集；
[0009]LSTM模型预测步骤：将所述第一训练集与所述事件嵌入组成的多通道链接向量以
及当前所在时间作为第二训练集，基于区块链和联邦学习根据所述第二训练集对LSTM模型进行训练，获得企业经济预测模型，利用所述企业经济预测模型根据所述第二测试集对楼宇未来的经济进行预测。
[0010]上述楼宇经济预测方法，其中，所述ARIMA模型预测步骤包括：
[0011]ARIMA模型建立步骤：建立所述ARIMA模型，基于物联网数据中每一影响因素数据根据AIC准则对所述ARIMA模型进行验证并获得与所述每一影响因素数据对应的最优参数，得到分别与每一影响因素数据对应的最优ARIMA模型；
[0012]ARIMA模型预测结果获得步骤：通过所述第一训练集训练所述最优ARIMA模型，并利用所述第一测试集通过所述最优ARIMA模型分别对每一影响因素数据进行预测，获得与每一影响因素数据对应的所述ARIMA模型的预测结果。
[0013]上述楼宇经济预测方法，其中，所述事件数据获取步骤包括：
[0014]事件元组获取步骤：获取所述楼宇的事件数据，并从所述事件数据中提取事件元组；
[0015]事件嵌入获取步骤：通过将所述事件元组链接到所述楼宇知识图谱得到事件子图，对所述事件子图进行嵌入处理，得到所述楼宇的事件嵌入。
[0016]上述楼宇经济预测方法，其中，所述LSTM模型预测步骤包括：
[0017]数据转化步骤：将所述第二训练集与所述第二测试集进行归一化处理；
[0018]模型结构确定步骤：初始化所述LSTM模型的参数；
[0019]模型训练步骤：通过利用归一化后的所述第二训练集对所述LSTM模型进行训练获得所述企业经济预测模型，并根据归一化后的所述第二测试集得到所述企业经济预测模型的预测结果。
[0020]上述楼宇经济预测方法，其中，所述LSTM模型预测步骤还包括：通过将所述企业经济预测模型的预测结果与企业经济数据的真实值进行比较，对所述企业经济预测模型的预测结果进行准确度计算。
[0021]上述楼宇经济预测方法，其中，所述模型训练步骤包括：
[0022]本地模型训练步骤：利用归一化后的所述第二训练集训练本地LSTM模型，将训练后的本地LSTM模型参数通过智能合约上传至区块链；
[0023]全局模型参数获取步骤：通过所述智能合约监听并聚合所述本地LSTM模型参数，获得全局模型参数并存储在所述区块链中；
[0024]企业经济预测模型获取步骤：根据所述全局模型参数判断全局模型是否收敛，若未收敛，则从所述区块链将所述全局模型参数发送至各参与方更新所述本地LSTM模型参数，继续迭代训练，直到所述全局模型收敛,将收敛的所述全局模型作为所述企业经济预测模型。
[0025]上述楼宇经济预测方法，其中，所述互联网数据包括但不限于：楼宇的营业收入、楼宇的新闻舆情信息和利好信息；所述物联网数据包括但不限于：停车场车辆出入数据、企业用电量数据和企业门禁人员信息数据。
[0026]上述楼宇经济预测方法，其中，所述影响因素数据获取步骤包括：将所述互联网数据、所述物联网数据、所述企业经济数据与所述滞后数据通过利用3sigma原则去除异常点，并使用多重插补法补充缺失值进行预处理。
[0027]上述楼宇经济预测方法，其中，所述模型结构确定步骤包括：确定所述LSTM模型的激活函数、确定接收所述LSTM模型输出的完全连接人工神经网络、确定每一层网络节点的舍弃率、确定误差的计算方式、确定权重参数的迭代更新方式、确定模型训练的epoch和batch size。
[0028]第二方面，本申请实施例提供了一种基于物联网的楼宇经济预测系统，包括：
[0029]影响因素数据获取单元：采集与楼宇相关的互联网数据、物联网数据与企业经济数据，并计算滞后的所述物联网数据与所述企业经济数据的相关性，选取相关性最大的滞后数据，将所述互联网数据、所述物联网数据、所述企业经济数据与所述滞后数据预处理后分为第一训练集与第一测试集；
[0030]ARIMA模型预测单元：利用所述第一训练集训练ARIMA模型并利用所述第一测试集对所述物联网数据进行时间序列预测，获得所述物联网数据中每一影响因素的预测结果作为ARIMA模型的预测结果；
[0031]事件数据获取单元：获取楼宇的事件数据，根据所述事件数据利用楼宇知识图谱得到楼宇的事件嵌入，将所述ARIMA本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于物联网的楼宇经济预测方法，其特征在于，包括：影响因素数据获取步骤：采集与楼宇相关的互联网数据、物联网数据与企业经济数据，并计算滞后的所述物联网数据与所述企业经济数据的相关性，选取相关性最大的滞后数据，将所述互联网数据、所述物联网数据、所述企业经济数据与所述滞后数据预处理后分为第一训练集与第一测试集；ARIMA模型预测步骤：利用所述第一训练集训练ARIMA模型并利用所述第一测试集对所述物联网数据进行时间序列预测，获得所述物联网数据中每一影响因素的预测结果作为ARIMA模型的预测结果；事件数据获取步骤：获取楼宇的事件数据，根据所述事件数据利用楼宇知识图谱得到楼宇的事件嵌入，将所述ARIMA模型的预测结果与所述事件嵌入组成的多通道链接向量作为第二测试集；LSTM模型预测步骤：将所述第一训练集与所述事件嵌入组成的多通道链接向量以及当前所在时间作为第二训练集，基于区块链和联邦学习根据所述第二训练集对LSTM模型进行训练，获得企业经济预测模型，利用所述企业经济预测模型根据所述第二测试集对楼宇未来的经济进行预测。2.根据权利要求1所述的楼宇经济预测方法，其特征在于，所述ARIMA模型预测步骤包括：ARIMA模型建立步骤：建立所述ARIMA模型，基于物联网数据中每一影响因素数据根据AIC准则对所述ARIMA模型进行验证并获得与所述每一影响因素数据对应的最优参数，得到分别与每一影响因素数据对应的最优ARIMA模型；ARIMA模型预测结果获得步骤：通过所述第一训练集训练所述最优ARIMA模型，并利用所述第一测试集通过所述最优ARIMA模型分别对每一影响因素数据进行预测，获得与每一影响因素数据对应的所述ARIMA模型的预测结果。3.根据权利要求2所述的楼宇经济预测方法，其特征在于，所述事件数据获取步骤包括：事件元组获取步骤：获取所述楼宇的事件数据，并从所述事件数据中提取事件元组；事件嵌入获取步骤：通过将所述事件元组链接到所述楼宇知识图谱得到事件子图，对所述事件子图进行嵌入处理，得到所述楼宇的事件嵌入。4.根据权利要求3所述的楼宇经济预测方法，其特征在于，所述LSTM模型预测步骤包括：数据转化步骤：将所述第二训练集与所述第二测试集进行归一化处理；模型结构确定步骤：初始化所述LSTM模型的参数；模型训练步骤：通过利用归一化后的所述第二训练集对所述LSTM模型进行训练获得所述企业经济预测模型，并根据归一化后的所述第二测试集得到所述企业经济预测模型的预测结果。5.根据权利要求4所述的楼宇经济预测方法，其特征在于，所述LSTM模型预测步骤还包括：通过将所述企业经济预测模型的预测结果与企业经济数据的真实值进行比较，对所述企业经济预测模...

【专利技术属性】
技术研发人员：董晓飞，李鹏，
申请(专利权)人：青岛亿联信息科技股份有限公司，
类型：发明
国别省市：