[发明专利]基于LightGBM多元时序分析的城乡垃圾产量分类预测系统

说明书

基于LightGBM多元时序分析的城乡垃圾产量分类预测系统，涉及垃圾分类技术领域，针对现有技术中针对生活垃圾产量预测准确率低的问题，包括：数据获取模块、特征工程模块、数据归一化模块、模型初始化模块、模型训练模块和预测模块，本申请提出的一种基于乡镇全局数据的生活垃圾产量预测方法，以提高数据集体量，引入研究区域内附属地区产量为切入点，基于不同范畴的社会宏观数据对各种类垃圾产量造成的影响进行综合分析，搭建可以同时预测多种垃圾产生量的预测模型，拥有比传统产量预测模型有更强的地区泛化能力和精准程度。

技术领域

本发明涉及垃圾分类技术领域，基于LightGBM多元时序分析的城乡垃圾产量分类预测系统。

背景技术

生活垃圾规划管理，已经在国内外发展为了重要的新兴产业，引发了广泛的关注。我国村镇场景下，生活垃圾年产量已经超出了一亿吨每年，且保持逐年上升的趋势。一方面，生活垃圾的产生，有着鲜明的地域特征，同一城市辖区内，垃圾产生规律、重量、不同垃圾种类占比，往往有基于城乡整体经济结构、生活习惯等特征要素的相似性，可以进行内在相关性的挖掘分析；另一方面，其收运管理以村收集、镇转运、县处理为基本流程，在进行转运流程设计时，往往要以市、县、镇多级相关行政机构为单位进行协同管理，合理调配生活垃圾清运处理资源，在生活垃圾分类处理的当今，生活垃圾产量管理的复杂程度显著。

为满足生活垃圾精细化管理建设需求，针对生活垃圾产量预测的方法开发如火如荼，但是对垃圾进行分类预测的研究相对较少；基于人工智能算法的预测方法较多，但多受限于数据集有限的情况下，难以得到准确的预测结果。

发明内容

本发明的目的是：针对现有技术中针对生活垃圾产量预测准确率低的问题，提出基于LightGBM多元时序分析的城乡垃圾产量分类预测系统。

本发明为了解决上述技术问题采取的技术方案是：

基于LightGBM多元时序分析的城乡垃圾产量分类预测系统，包括：数据获取模块、特征工程模块、数据归一化模块、模型初始化模块、模型训练模块和预测模块，

所述数据获取模块用于获取原始数据集，所述原始数据集包括因变量数据以及自变量数据，

所述因变量数据包括研究区域垃圾总产量和分类产量数据，

所述自变量数据包括研究区域内每一个行政单位以年为单位的经济发展类数据特征、城镇规划特征、交通旅游特征、能源耗用特征、环境卫生特征以及教育发展特征，以及研究区域以月为单位的工业总产值、一般公共预算收入、一般公共预算支出、社会消费品零售总额、进出口总额、客运总量、社会用电量、第一第二第三产业行业用电量、公共服务用电量、上月垃圾产量数据；

所述特征工程模块用于对原始数据集中的数据进行预处理，所述预处理包括：

一：检查原始数据集中数据是否有空值，若包含空值，则将空值填补为当地前10年数据的平均数；

二：将数据的年份作为数值特征加入原始数据集；

三：将行政区的名称作为类别特征进行LabelEncoder编码后加入原始数据集；

四：增加统计特征，所述统计特征为原始数据集中每一项数据一年内的最大值和平均值，并将自变量数据一年内的最大值和平均值作为数据标签加入原始数据集；

五：将数据集中数值数据进行格式转化，得到整型与浮点型数据格式；

所述数据归一化模块用于对预处理后的数据集进行归一化；

所述模型初始化模块用于初始化LightGBM模型参数；

所述模型训练模块用于根据初始化后的LightGBM模型以及归一化后的数据集得到生活垃圾月产量回归模型；