[发明专利]基于长短期记忆网络和随机森林的短期爆炸客流预测方法

权利要求书

1.一种基于长短期记忆网络和随机森林的短期爆炸客流预测方法，其特征在于包括以下步骤：

步骤一、预测变量因素选择；

综合考虑相关性、可重复性和可行性因素，客流预测模型选择景区的日客流量，日天气状况，如温度、风向风速和湿度，网络搜索指数、节假日数据作为预测变量因素；

步骤二、训练预测模型；

对原始数据进行预处理转化为模型适用的数据；选择预测变量因素，数据预处理包括温湿指数、风效指数和着衣指数三种指标，分别用XTHI、XWCI、XICL表示，计算公式见式(1)-(3)；

XTHI＝(1.8t+32)-0.5(1-f)(1.8t-26) (1)

t为摄氏气温℃，f为相对湿度％，v代表风速m/s，s代表日照时数h/d，H代表人体代谢率的75％W/m²，A代表人体对太阳辐射的吸收情况，A的数值为0.06，R代表垂直阳光的单位面积土地所接受的太阳辐射，取值为(1385±7)W/m²，α代表太阳高度角；

其次，进行长短期记忆网络的训练工作；

将客流量相应的年月日转为一个有序序列；每一天的信息记作一条记录，包括一个由日期转化而来的序号、当日舒适度指数、当日节假日指数、昨日搜索指数和昨日客流量，对应的结果为当日客流量；剔除掉部分异常数据后，将Batch size的大小设为全部数据集，迭代次数为1000次；将数据导入长短期记忆网络，获得长短期记忆网络的预测结果；

再次，进行随机森林的训练工作；

将随机森林的最大子模型数量设为1000，将判断节点是否继续分裂采用的方法是均方误差，节点分裂时所有特征均参与判断，不限制随机森林的最大深度；同时，为了加快训练速度，并考虑到机器本身的承载能力，将并行数设置为16；将记录导入随机森林，训练残差，得到随机森林的预测结果；

最后，进行模型组合工作；

长短期记忆网络模型和随机森林模型两个单一模型的预测结果之和，就是组合模型的最终预测结果。