[发明专利]一种基于GM(1,1)季节趋势预测的房屋人口变动监测方法

摘要

本发明公开了一种基于GM(1,1)季节趋势预测的房屋人口变动监测方法，属于智能监测、智慧城市领域，首先，采集用水、用气的近3年内的账单数据并进行数据清洗；初步监测过滤出新入住房屋以及人员搬离房屋的变动信息；利用GM(1,1)模型针对数据量少的预测上精准度高，结合季节变动趋势预测法，对未来几个月的用水或用气账单进行组合预测，根据预测与历史曲线的特征比较，监测当前月份用水或用气账单的异常，根据这些异常值从而监测房屋内的人口变动，并推送信息至社区网格管理系统，方便社区网格员上门访问维护，提高工作效率，有利于推动智慧城市的发展。

主权项

一种基于GM(1,1)季节趋势预测的房屋人口变动监测方法，包括以下步骤：(1)采集房屋近3年内的历史用电或用气账单数据，并对历史数据进行归一化处理，归一化公式如下：xi′=xi-xminxmax-xmin]]>其中，xmax和xmin分别是历史账单数据中的最大值和最小值，xi是按照时间大小排序后的第i个账单数据，x′i是进行归一化处理后的第i个历史账单数据；(2)对于处理后的用水或用气账单数据序列X＝{x′1,x'2,...,x'c}，其中x'c为当前最近月份的账单数据，根据xc及其前3个月份账单数据信息判断房屋属于新入住或人员搬离情况，推送监测结果；(3)基于近3年的账单数据构建GM(1,1)模型，预测x′c后3个月的用水或用气量，主要方法如下：a.由X＝{x′1,x'2,...,x'c}序列累加生成X'＝{x″1,x″2,...,x″c}；b.建立模型微分方程dX'/dt+αX'＝μ；c.对于待估参数向量利用最小二乘法求解d.求解微分方程，即为GM(1,1)模型；(4)根据中心移动平均季节指数进行处理，具体方法如下：a.计算X(c)＝{x′1,x'2,...,x'c}的中心移动平均值CMA，以定义一年的月数为k＝12，先求k项移动平均值MA，再求CMA的新序列CMA'；b.计算原始观测值除以对应的CMA得出季节比率；c.定义相同季节的季节比率为R′i；d.修正季节比率平均值，即可得出(5)将步骤(4)剔除季节因素的趋势数据应用于步骤(3)中建立的GM(1,1)模型，计算可得出灰色趋势值建立预测模型X″t＝Ye·Si，其中X″t为预测值，Ye为提出季节因素后的序列灰色趋势值，Si为季节指数；(6)基于上述步骤预测出x′c后的m个月的账单信息，获取以x′c为中心点的前、后m个月的账单序列X″t＝{x′c‑3,x′c‑2,x′c‑1,x′c,x′c+1,x′c+2,x′c+3}；同时获取上两年月份c为中心前后共计2m+1个账单数据序列X″t‑1和X″t+1，分别对序列X″t‑1,X″t和X″t+1做统计回归检验，定义阈值λ为不同回归曲线之间函数参量的相似距离，根据选定的房屋变化数据集训练集获取最优λ值，若最终计算参数的Vd>λ，即该房屋可能发生人员的变动，该监测结果最终推送至网格员进行核查。