[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

说明书

大数据深度学习动态变量多级时空预测的人工智能方法，包括：获取单时单空变量集合步骤；获取待选输入变量集合步骤；初始化待选单时单空模型步骤；单时单空模型训练步骤；单时单空模型测试步骤；最优单时预测深度学习模型步骤；最优单时预测深度学习模型测试步骤。上述方法、系统和机器人，将每一时空的输入变量项进行不同的组合，通过深度学习神经网络模型对时空每一组合的变量集进行训练和测试，从而找到最优的时空变量组合，无需所有的输入变量数据都参与训练和预测，从而可以节省成本，提高时空训练和时空预测的效率，同时通过时空预测效果遴选出的时空预测深度学习模型能够获得最好的时空预测效果。

技术领域

本发明涉及人工智能技术领域，特别是涉及一种基于多级时空大数据深度学习的动态变量时空预测方法。

背景技术

在实现本发明过程中，发明人发现现有技术中至少存在如下问题：不同时空数据是相互影响的，但分辨率又不一样，而且起主要作用的影响因素也会有差异。不同时空分辨率下(例如，一个村、一个街道、一个市、一个省、一个国)对疫情影响的因素是不同的，不同的时间(例如，疫情初发期、高峰期、低谷期、消亡期)、不同的空间(例如南方、北方、农村、城市)对疫情影响的因素也是不同的，但现有技术中不同疫情时空预测模型的输入指标变量雷同，

因此，现有技术还有待于改进和发展。

发明内容

基于此，有必要针对现有技术的缺陷或不足，提供基于多级时空大数据深度学习的动态变量时空预测方法，以解决现有技术中不同疫情时空预测模型的输入指标变量雷同的问题。

第一方面，本发明实施例提供一种人工智能方法，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。

优选地，所述方法还包括：