[发明专利]面向人流密集型公共场所的公卫消耗品使用量预测方法

权利要求书

1.一种面向人流密集型公共场所的公卫消耗品使用量预测方法，其特征在于，通过将公共卫生场所的相关历史数据制成训练样本后，输入到采用Bagging策略的随机森林方法中，通过对多个基学习器进行组合并调整随机森林参数使准确率达标后，输出模型；再将实时采集到的人流量、环境监测数据输入到上述模型内以得到未来一段时间的公卫设施消耗品使用量预测值；

所述的人流量是指以单位时间经过目标场所的人员总量；

所述的环境因子包括：二氧化碳浓度、PM10、PM2.5、风速、温度和湿度；

所述的相关历史数据是指：目标场所内的过去一段时间的人流量、环境因子监测数据和公卫设施消耗品实际使用量数据，以小时为基准进行数据整理；

所述的训练样本是指：是对相关历史数据处理后得到的数据集，具体包括：时序化处理、异常数据剔除处理、数据聚合处理、数据增广处理和标准化处理；

所述的准确率是指：测试样本中的实际使用量和预测使用量之间的差距，用均方误差RMSE指标来评估。

2.根据权利要求1所述的面向人流密集型公共场所的公卫消耗品使用量预测方法，其特征是，所述的实时采集是指：人流量按每小时为单位采集，环境类数据按60秒为单位采集，每小时计算一个算术平均值。

3.根据权利要求1所述的面向人流密集型公共场所的公卫消耗品使用量预测方法，其特征是，所述的时序化处理是指：将数据按照时间顺序进行排列；

所述的异常数据剔除处理是指：将无用的和存在缺失字段的数据删除，因为里面存在传感器采集损害或其他原因导致的数据异常，需要通过相应的规则将异常数据剔除；

所述的数据聚合处理是指：将时序化的数据每隔一段时间进行聚合，聚合的方法包括：最大值聚合、最小值聚合、平均值聚合、方差聚合、峰度聚合与偏度聚合，这样做的原始是因为传感器采集的数据频率过大，包含很多无用信息，该方法能够最大程度保留数据原始的特征，并且让该方法具有一定的抗噪能力；

所述的数据增广处理是指：使用滑动窗口的方法将原始的时序数据进行聚合，具体地，该方法包括：两个不同大小的滑动窗口，两个窗口相邻地从时序数据的首端，按照特定的步长滑动到末端，该方法会得到两个不同的数据集合，分别为训练集合和标签集合；

所述的标准化处理处理是指：将上述得到的训练集合按照时序排序分为训练集和测试集两部分，前70％作为训练集，后30％作为测试集，并对所有数据进行标准化，采用最大最小标准化进行处理：其中：x_max和x_min分别为同一水环境监测数据数据的最大值和最小值，x为原始数据，x’为标准化后的数据。

4.根据权利要求1所述的面向人流密集型公共场所的公卫消耗品使用量预测方法，其特征是，所述的训练采用均方误差RMSE指标来对训练好的模型性能进行评估，其含义是指模型在测试样本集上的预测值与测试样本集中的真实值的差平方的期望值的平方根，即：其中：n为数据的个数，xi为真实值，pi为预测值，RMSE值越小，为模型的预测值与真实值越接近，模型的精度就越高，性能就越好。

5.一种实现权利要求1～4中任一所述方法的面向人流密集型公共场所的公卫消耗品使用量预测系统，其特征在于，包括：数据预处理模块、样本生成模型、训练样本生成模块、网络训练模块以及识别预测模块，其中：数据预处理模块对各类公共场所内原始环境参数信息和公共卫生设施消耗品使用量数据进行处理，样本生成模型通过将时序数据进行聚合后再通过滑动窗口的方法生成训练集合和标签集合，训练样本生成模块与网络训练模块相连并传输网络模型的输入参数信息，识别预测模块与网络训练模块相连并传输最新的实时环境监测数据和公共卫生设施消耗品使用量以便判断模型的预测准确率。