[发明专利]基于数据训练集模型的智能预判方法

说明书

本发明属于信息技术领域，尤其涉及一种基于数据训练集模型的智能预判方法，步骤如下：大数据采集，并进行数据特征提取；根据数据特征搭建数据训练集模型；搭建多维度多样数据预警预判模型；通过数据训练集模型对预警预判模型进行训练；输出预警预判结果供管理者进行决策。本发明的有益效果：可以通过预警预判给到管理者对突发事件相关的辅助手段，辅助管理者对该突发事件的决策；可以给与到对应事件相关智能单位，对该类事件管理单位起到预警作用；通过大量数据的深度发掘和积累，预警预测模型对事件的精确性和时效性有更加的保障。

技术领域

本发明属于信息技术领域，尤其涉及一种基于数据训练集模型的智能预判方法。

背景技术

大数据浪潮，汹涌来袭，与互联网的发明一样，这绝不仅仅是信息技术领域的革命，更是在全球范围内启动透明政府、加速企业创新、引领社会变革的利器。随着大数据时代的到来，人们通过对大规模数据的分析，利用数据整体性与涌现性、相关性与不确定性、多样性与非线性及并行性与实时性研究，在移动计算、物联网、云计算、机器学习等一系列新兴技术的支持下，可以预测即将发生的事情。

现有技术的缺点：

目前的预测性分析更多的是在于通过时间、空间等时空预警模型来进行，从而忽略了可能的关键因素。在实际操作过程中，存在不当使用行为，导致数据不准确，数据反馈给领导时，由于数据的准确性也会影响到领导的决策不精准。

发明内容

本发明为了解决由于人工分析研判带来的数据不精准问题，提供了一种通过多种维度多样数据预警预判模型，并通过大数据特征搭建的数据训练集模型对预警预判模型进行训练，从而确保预警预判数据准确性和时效性的基于数据训练集模型的智能预判方法。

本发明的技术方案：一种基于数据训练集模型的智能预判方法，步骤如下：

1)大数据采集，并进行数据特征提取；

2)根据数据特征搭建数据训练集模型；

3)搭建多维度多样数据预警预判模型；

4)通过数据训练集模型对预警预判模型进行训练；

5)输出预警预判结果供管理者进行决策。

优选地，所述步骤1)具体是指：对接多样数据来源，进行相关数据的特征提取。

优选地，所述步骤2)具体是指：根据数据发生的时间、结果、空间情况，构建时序模型、因果模型以及空间模型。

本发明从空间、时间、结果去分析事件情况，同时通过时序模型以及因果模型给出的时间相关因素以及事项发生结果因素，进一步确保其预警预判数据的精确性和可靠性。

优选地，构建时序模型、因果模型以及空间模型具体是指：将收集到的数据送入FP-Growth算法，迭代获得事件的频繁项集。

优选地，其中FP-Growth算法中的支持度和置信度分别为：

支持度：

置信度：

优选地，所述步骤3)具体是指：通过多种维度的权重算法以及时空算法，搭建预警预判模型。

优选地，所述步骤4)具体是指：大量数据对接到预警预判模型，辅助预警预判模型进行训练学习。

优选地，所述步骤5)具体是指：根据当前时间维度，给到管理者此时间维度下相关事件的发生情况，供管理者进行决策。

优选地，所述步骤5)中当前时间维度主要是指节气、节日和季度。

本发明的有益效果：

1.可以通过预警预判给到管理者对突发事件相关的辅助手