System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 数据预测方法、装置、电子设备及可读存储介质制造方法及图纸_技高网

数据预测方法、装置、电子设备及可读存储介质制造方法及图纸

技术编号:44045802 阅读:3 留言:0更新日期:2025-01-15 01:24
本申请公开了一种数据预测方法、装置、电子设备及可读存储介质,该方法包括:获取目标管理设备的目标特征对应的历史数据;将所述历史数据分解为趋势子序列数据、季节子序列数据以及随机子序列数据;通过预训练的指数平滑模型对所述趋势子序列数据进行预测,得到趋势预测数据;根据所述季节子序列数据的周期特征,确定季节预测数据;通过预训练的长短期记忆模型对所述随机子序列数据进行预测,得到随机预测数据;根据所述趋势预测数据、所述季节预测数据、以及所述随机预测数据,确定所述目标特征的目标预测数据。

【技术实现步骤摘要】

本申请属于数据分析,具体涉及一种数据预测方法、装置、电子设备及可读存储介质


技术介绍

1、在城市管理中,市政设施的管理与维护作为智慧城管体系的核心环节,需要在市政设施出现问题时能够及时发现与迅速响应。目前的市政设施的巡查主要包括人工现场巡查和视频监控图像分析。在这种模式下,市政设施的相关数据的采集、筛选以及上报高度依赖巡查人员的个人能力,再由指挥中心根据上报的信息进行问题处理。然而上述通过巡查人员对市政设施进行巡查的方式无法及时且精准地发现和处理问题,从而难以满足高效且精准地进行城市管理的要求。


技术实现思路

1、本申请实施例提供一种数据预测方法、装置、电子设备及可读存储介质,能够解决通过巡查人员对市政设施进行巡查的方式无法及时且精准地发现和处理问题,从而难以满足高效且精准地进行城市管理的要求的问题。

2、第一方面,本申请实施例提供了一种数据预测方法,该方法包括:获取目标管理设备的目标特征对应的历史数据;将所述历史数据分解为趋势子序列数据、季节子序列数据以及随机子序列数据;通过预训练的指数平滑模型对所述趋势子序列数据进行预测,得到趋势预测数据;根据所述季节子序列数据的周期特征,确定季节预测数据;通过预训练的长短期记忆模型对所述随机子序列数据进行预测,得到随机预测数据;根据所述趋势预测数据、所述季节预测数据、以及所述随机预测数据,确定所述目标特征的目标预测数据。

3、第二方面,本申请实施例提供了一种数据预测装置,该装置包括:获取模块,用于获取目标管理设备的目标特征对应的历史数据;分解模块,用于将所述历史数据分解为趋势子序列数据、季节子序列数据以及随机子序列数据;预测模块,用于通过预训练的指数平滑模型对所述趋势子序列数据进行预测,得到趋势预测数据;根据所述季节子序列数据的周期特征,确定季节预测数据;通过预训练的长短期记忆模型对所述随机子序列数据进行预测,得到随机预测数据;确定模块,用于根据所述趋势预测数据、所述季节预测数据、以及所述随机预测数据,确定所述目标特征的目标预测数据。

4、第三方面,本申请实施例提供了一种电子设备,该电子设备包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的程序或指令,所述程序或指令被所述处理器执行时实现如第一方面所述的方法的步骤。

5、第四方面,本申请实施例提供了一种可读存储介质,所述可读存储介质上存储程序或指令,所述程序或指令被处理器执行时实现如第一方面所述的方法的步骤。

6、第五方面,本申请实施例提供了一种芯片,所述芯片包括处理器和通信接口,所述通信接口和所述处理器耦合,所述处理器用于运行程序或指令,实现如第一方面所述的方法的步骤。

7、第六方面,本申请实施例提供一种计算机程序产品,所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序,所述计算机程序包括程序或指令,所述程序或指令被执行时实现如第一方面所述的方法的步骤。

8、在本申请实施例中,通过获取目标管理设备的目标特征对应的历史数据,根据所述历史数据所具有的多种特性,将所述历史数据分解为代表趋势特性的趋势子序列数据、代表季节特性的季节子序列数据以及代表随机特性的随机子序列数据,再分别通过不同的方式进行处理,通过预训练的指数平滑模型对所述趋势子序列数据进行预测,得到趋势预测数据,根据所述季节子序列数据的周期特征,确定季节预测数据,通过预训练的长短期记忆模型对所述随机子序列数据进行预测,得到随机预测数据,分别得到了趋势子序列数据对应的趋势预测数据、季节子序列数据对应的季节预测数据、以及随机子序列数据对应的随机预测数据,从而再根据所述趋势预测数据、所述季节预测数据、以及所述随机预测数据,确定所述目标特征的目标预测数据,从而能够提前得到目标管理设备的目标特征在未来时间的情况,以根据该情况预判目标管理设备是否将会发生问题,实现了及时发现目标管理设备可能发生的问题从而能够高效地做出应对。

本文档来自技高网...

【技术保护点】

1.一种数据预测方法,其特征在于,包括:

2.根据权利要求1所述的方法,其特征在于,所述通过预训练的指数平滑模型对所述趋势子序列数据进行预测,得到趋势预测数据,包括:

3.根据权利要求1所述的方法,其特征在于,所述长短期记忆模型包括长短期记忆层和全连接层;所述通过长短期记忆模型对所述随机子序列数据进行预测,得到随机预测数据,包括:

4.根据权利要求1所述的方法,其特征在于,所述获取目标管理设备的目标特征对应的历史数据,包括:

5.根据权利要求4所述的方法,其特征在于,在所述获取所述目标管理设备的各个特征对应的历史数据之后,所述方法还包括:

6.根据权利要求1所述的方法,其特征在于,所述方法还包括:

7.根据权利要求1所述的方法,其特征在于,在所述根据所述趋势预测数据、所述季节预测数据、以及所述随机预测数据,确定所述目标特征的目标预测数据之后,所述方法还包括:

8.一种数据预测装置,其特征在于,包括:

9.一种电子设备,其特征在于,包括处理器,存储器及存储在所述存储器上并可在所述处理器上运行的程序或指令,所述程序或指令被所述处理器执行时实现如权利要求1至7任一项所述的数据预测方法的步骤。

10.一种可读存储介质,其特征在于,所述可读存储介质上存储程序或指令,所述程序或指令被处理器执行时实现如权利要求1至7任一项所述的数据预测方法的步骤。

11.一种计算机程序产品,其特征在于,所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序,所述计算机程序包括程序或指令,所述程序或指令被执行时实现如权利要求1至7任一项所述的数据预测方法的步骤。

...

【技术特征摘要】

1.一种数据预测方法,其特征在于,包括:

2.根据权利要求1所述的方法,其特征在于,所述通过预训练的指数平滑模型对所述趋势子序列数据进行预测,得到趋势预测数据,包括:

3.根据权利要求1所述的方法,其特征在于,所述长短期记忆模型包括长短期记忆层和全连接层;所述通过长短期记忆模型对所述随机子序列数据进行预测,得到随机预测数据,包括:

4.根据权利要求1所述的方法,其特征在于,所述获取目标管理设备的目标特征对应的历史数据,包括:

5.根据权利要求4所述的方法,其特征在于,在所述获取所述目标管理设备的各个特征对应的历史数据之后,所述方法还包括:

6.根据权利要求1所述的方法,其特征在于,所述方法还包括:

7.根据权利要求1所述的方法,其特征在于,在所述根据所述趋势预测...

【专利技术属性】
技术研发人员:刘佳琳刘亚盟井志刚申浩张茹王敬远王忠光李昶昊
申请(专利权)人:中移信息系统集成有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1