[发明专利]大数据深度学习动态变量多级时空预测的人工智能方法

权利要求书

1.一种人工智能方法，其特征在于，所述方法包括：

获取单时单空变量集合步骤：获取每一时间每一空间的输入变量集合和输出变量集合；

获取待选输入变量集合步骤：获取所述每一时间所述每一空间的输入变量集合的每一输入变量子集，作为所述每一时间所述每一空间的每一待选输入变量集合；

初始化待选单时单空模型步骤：根据所述每一时间所述每一空间的所述每一待选输入变量集合和所述输出变量集合，初始化深度学习神经网络模型作为所述每一时间所述每一空间的所述每一待选输入变量集合对应的单时单空预测深度学习模型；

单时单空模型训练步骤：将所述每一时间所述每一空间的每一待选输入变量集合对应的数据作为输入，将所述每一时间所述每一空间的所述输出变量集合对应的数据作为预期输出，对所述每一时间所述每一空间的所述每一待选输入变量集合对应的单时单空预测深度学习模型进行第一训练；不同的单时单空预测深度学习模型的参数根据预设进行共享或部分共享或不共享；

单时单空模型测试步骤：在测试时，将所述每一时间所述每一空间的每一待选输入变量集合对应的数据作为输入，通过所述每一时间所述每一空间的所述每一待选输入变量集合对应的单时单空预测深度学习模型的计算，得到的输出作为所述每一时间所述每一空间的所述输出变量集合对应的预测结果；

最优单时预测深度学习模型步骤：通过测试获取所述每一时间所述每一空间的所述每一待选输入变量集合对应的单时单空预测深度学习模型的预测效果，获取预测效果最好的所述每一时间所述每一空间的所述每一待选输入变量集合对应的单时单空预测深度学习模型，作为所述每一时间所述每一空间的最优单时单空预测深度学习模型；

最优单时预测深度学习模型步骤：在使用时，将所述每一时间所述每一空间的输入变量集合对应的数据作为输入，通过所述每一时间所述每一空间的最优单时单空预测深度学习模型的计算，得到的输出作为所述每一时间所述每一空间的输出变量集合对应的预测结果。

2.根据权利要求1所述的人工智能方法，其特征在于，所述方法还包括：

获取多时多空变量集合步骤：获取每M个时间每N个空间中每一时间每一空间的所述每一待选输入变量集合对应的单时单空预测深度学习模型的第一预设隐层的输出的特征数据的集合的联合，作为所述每M个时间所述每N个空间的每一待选输入变量集合；获取每M个时间每N个空间的输出变量集合；

初始化待选多时多空模型步骤：根据所述每M个时间所述每N个空间的所述每一待选输入变量集合和所述输出变量集合，初始化深度学习神经网络模型作为所述每M个时间所述每N个空间的所述每一待选输入变量集合对应的待选多时多空预测深度学习模型；

多时多空模型训练步骤：将所述每M个时间所述每N个空间的每一待选输入变量集合对应的数据作为输入，将所述每M个时间所述每N个空间的所述输出变量集合对应的数据作为预期输出，对所述每M个时间所述每N个空间的所述每一待选输入变量集合对应的多时多空预测深度学习模型进行第一训练；不同的多时多空预测深度学习模型的参数根据预设进行共享或部分共享或不共享；

多时多空模型测试步骤：在测试时，通过所述每M个时间所述每N个空间的每一待选输入变量集合对应的所有单时单空预测深度学习模型的计算得到所述每M个时间所述每N个空间的每一待选输入变量集合对应的数据，将所述每M个时间所述每N个空间的每一待选输入变量集合对应的数据作为输入，通过所述每M个时间所述每N个空间的所述每一待选输入变量集合对应的多时多空预测深度学习模型的计算，得到的输出作为所述每M个时间所述每N个空间的所述输出变量集合对应的预测结果；

最优多时多空预测深度学习模型步骤：通过测试获取所述每M个时间所述每N个空间的所述每一待选输入变量集合对应的多时多空预测深度学习模型的预测效果，获取预测效果最好的所述每M个时间所述每N个空间的所述每一待选输入变量集合对应的多时多空预测深度学习模型，作为所述每M个时间所述每N个空间的多时多空预测深度学习模型；获取预测效果最好的所述每M个时间所述每N个空间的所述每一待选输入变量集合对应的所述每M个时间所述每N个空间中每一时间每一空间的所述每一待选输入变量集合对应的单时单空预测深度学习模型作为所述每M个时间所述每N个空间中每一时间每一空间的最优单时单空预测深度学习模型；

最优多时多空预测深度学习模型测试步骤：在使用时，通过所述每M个时间所述每N个空间中每一时间每一空间的最优单时单空预测深度学习模型的计算得到所述每M个时间所述每N个空间的输入变量集合对应的数据，将所述每M个时间所述每N个空间的输入变量集合对应的数据作为输入，通过所述每M个时间所述每N个空间的输入变量集合对应的多时多空预测深度学习模型的计算，得到的输出作为所述每M个时间所述每N个空间的输出变量集合对应的预测结果。