[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

说明书

本公开提供了一种人口分布预测模型的构建方法，属于互联网技术领域。所述方法包括：基于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每个模型参数的参数值进行优化，得到每个学习任务优化后的学习率和每个模型参数优化后的参数值；基于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，得到人口分布预测模型。本公开基于每个模型参数的初始值和每个学习任务的初始学习率进行元训练，得到蕴含元知识的模型参数优化后的参数值和学习任务优化后的学习率，进而根据目标学习任务优化后的学习率，对模型参数优化后的参数值进行微调，从而基于少量的人口预测样本，构建较为精准的人口分布预测模型。

技术领域

本公开涉及互联网技术领域，特别涉及一种人口分布预测模型的构建方法、装置、服务器及存储介质。

背景技术

超细粒度人口估计方法是指将需要进行人口估计的区域进行棋盘格状划分，对每个格点的人口进行分别统计，并通过大尺寸格点统计结果(粗粒度人口分布)估计极小尺寸(例如，200m*200m或100m*100m)格点人口数目的方法。对于拥有多个兴趣点的景区、游乐场、公园等目标区域，对目标区域进行长时间超细粒度人口分布预测，有利于优化目标区域的产业结构，提升目标区域的经济效益。

为实现对目标区域长时间超细粒度人口分布进行预测，可通过GPS(GlobalPositioning System，全球定位系统)采集大量的长时间超细粒度人口分布样本，并基于这些长时间超细粒度人口分布样本进行深度学习，构建长时间超细粒度人口分布预测模型。

然而，采用GPS采集的长时间超细粒度人口分布样本费用较高，无法获取到大量的长时间超细粒度人口分布样本，导致所训练的长时间超细粒度人口分布预测模型不够准确，无法精准地对目标区域进行长时间超细粒度人口分布的预测。

发明内容

本公开实施例提供了一种人口分布预测模型的构建方法、装置、服务器及存储介质，能够在获取较少的长时间超细粒度人口分布样本场景下，构建较为精准的长时间超细粒度人口分布预测模型。所述技术方案如下：

第一方面，提供了一种人口分布预测模型的构建方法，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。

在本公开的另一个实施例中，所述基于所述每个人口分布预测样本在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：