[发明专利]人口分布预测模型的构建方法、装置、服务器及存储介质

权利要求书

1.一种人口分布预测模型的构建方法，其特征在于，所述方法包括：

获取元学习训练集和元学习测试集，所述元学习训练集和元学习测试集均包括多个人口分布预测样本；

获取初始人口分布预测模型，所述初始人口分布预测模型中每个模型参数设置有初始参数值，且每个学习任务设置有初始学习率；

对于所述每个学习任务，将所述元学习训练集中每个人口分布预测样本输入到所述初始人口分布预测模型中，输出所述每个人口分布预测样本在所述每个学习任务下的预测结果；

基于所述每个人口分布预测样本在所述每个学习任务下的预测结果以及所述每个学习任务的初始学习率，对每个模型参数的参数值进行优化，得到所述每个学习任务下所述每个模型参数优化过程中各个中间状态的参数值；

基于所述每个学习任务下所述每个模型参数优化过程中各个中间状态的参数值，对各个学习任务的学习率和所述每个模型参数的参数值进行优化，得到所述每个学习任务优化后的学习率和所述每个模型参数优化后的参数值；

基于所述元学习测试集和目标学习任务优化后的学习率，对各个模型参数优化后的参数值进行调整，得到所述各个模型参数调整后的参数值，所述目标学习任务为预测目标区域的第一时间第一粒度人口分布的任务；

将所述初始人口分布预测模型中所述各个模型参数的参数值更新为调整后的参数值，得到用于预测目标区域的第一时间第一粒度人口分布的人口分布预测模型。

2.根据权利要求1所述的方法，其特征在于，所述基于所述每个人口分布预测样本在所述每个学习任务下的预测结果以及所述每个学习任务的初始学习率，对每个模型参数的参数值进行优化，得到所述每个学习任务下所述每个模型参数优化过程中各个中间状态的参数值，包括：

基于所述每个人口分布预测样本在所述每个学习任务下的预测结果和标注结果，计算所述每个人口分布预测样本在所述每个学习任务下第一损失函数的函数值；

基于所述每个人口分布预测样本在所述每个学习任务下第一损失函数的函数值和所述每个学习任务的初始学习率，对所述每个模型参数的参数值进行优化，得到所述每个学习任务下所述每个模型参数优化过程中各个中间状态的参数值。

3.根据权利要求1所述的方法，其特征在于，所述基于所述每个学习任务下所述每个模型参数优化过程中各个中间状态的参数值，对各个学习任务的学习率和所述每个模型参数的参数值进行优化，得到所述每个学习任务优化后的学习率和所述每个模型参数优化后的参数值，包括：

计算各个学习任务下所述每个模型参数优化过程中各个中间状态的参数值之和，得到所述每个模型参数的元损失；

采用所述每个模型参数的元损失分别对模型参数和各个学习任务的学习率求导，得到所述每个模型参数在各个学习任务下的迭代关系表达式，所述迭代关系表达式用于表征所述每个模型参数在相邻两次迭代时参数值的关系；

将所述每个模型参数的初始参数值和所述各个学习任务的初始学习率代入到所述迭代关系表达式中，并通过不断调整所述每个学习任务的学习率对所述每个模型参数的参数值进行优化，直至所述每个模型参数的参数值收敛。

4.根据权利要求1所述的方法，其特征在于，所述基于所述元学习测试集和目标学习任务优化后的学习率，对各个模型参数优化后的参数值进行调整，得到所述各个模型参数调整后的参数值，包括：

将所述初始人口分布预测模型中的所述各个模型参数的参数值更新为优化后的参数值，得到待调整的人口分布预测模型；

将所述元学习测试集中每个人口分布预测样本输入到所述待调整的人口分布预测模型中，输出所述每个人口分布预测样本的第一时间第一粒度人口分布的预测结果；

基于所述每个人口分布预测样本的第一时间第一粒度人口分布的预测结果和所述目标学习任务优化后的学习率，对所述各个模型参数优化后的参数值进行调整，得到所述各个模型参数调整后的参数值。