[发明专利]基于用水规律的用户画像方法与系统

说明书

本发明公开了一种基于用水规律的用户画像方法与系统，其包括以下步骤：(1)收集用户的用水数据及用户类别标签；(2)将采集到的用水数据中提取出若干个时间段的平均用水量作为特征向量，结合用户的类别标签构建出训练样本集，基于自动机器学习技术构建出深度分层模糊系统，利用训练样本集训练此系统，从而构建出分类模型；(3)将采集到的用户用水数据输入到已构建出的分类模型中，从而完成用户画像。本发明通过进行用户画像，可以总结单个用户及用户群的特性，从而可对单个用户提供更加精准的服务，以及实现区域之间的资源的合理分配。

技术领域

本发明涉及进行用户画像，是一种通过对用户用水规律的分析来进行用户画像的方法及系统，属于数据分析领域。

背景技术

用户用水行为受到多方面因素的影响，其中包括内在因素，如用户自身的社会经济信息；以及外在因素，如环境温度。其中用户自身的社会经济信息包括用户的年龄、薪资水平、居住房屋大小、用户肖像等。

进行用户画像，可以对用户提供个性化的推荐及服务，以及提升用户管理水平和引导用户用水行为，用途广泛。此外，还可以通过构建一定区域内单个用户的用户肖像，总结出此区域内群体用户的特性，从而实现更加合理的分配能源以及提供其他公共性服务。用户用水规律的分析还具有其他诸多意义，如提供个性化的用水服务，或使第三方机构提供精准的推销，以及引起隐私保护的反思等。

发明内容

基于上述现有技术，本发明提出一种基于用水规律的用户画像方法及系统。

为实现上述目的，本发明采用下述技术方案：

本发明提供了一种基于用水规律的用户画像方法，包括以下步骤：

(1)收集用户的用水数据及用户类别标签；

(2)将采集到的用水数据中提取出若干个时间段的平均用水量作为特征向量，结合用户的类别标签构建出训练样本集，基于自动机器学习技术构建出深度分层模糊系统，利用训练样本集训练此系统，从而构建出分类模型；

(3)将采集到的用户用水数据输入到已构建出的分类模型中，从而完成用户画像。

优选的，所述步骤(1)步骤中收集用户m的有关信息构成用户m的类别标签向量。用户画像类别标签分类包括以下标签一种或多种：年龄、是否退休、是否有小孩、房屋面积和人口数。类别标签y_m＝(y₁,y₂,y₃,y₄,y₅)，每个标签取值-1,0,1；每个用户的用水数据和对应的类别标签向量，构建出训练样本数据库P。

优选的，所述步骤(2)步骤如下：

步骤1：提取特征向量：

将每天的时间划分成12个时间段，分别为t₁-t₁₂；

将训练样本数据库中的数据按照24时制划分成对应1～7天的七段数据，然后将7天的数据分别按照12个时间段进行划分，求出用户在每天各时间段用水量式中，d为第d天。将每个时间段的结尾时间节点的用水量值减去起始时间节点的用水量值即可得到每个时间段的用水量；

分别求出12个时间段在7天内的用水量的平均值：利用用户m的12个时间段的用水量的平均值构建出特征向量

步骤2：搭建深度分层模糊系统

对深度分层模糊系统的总体参数进行设置，手动确定层数L(设为6)、移动步长s(设为2)和卷积窗的长度w(设为3)。