一种基于层次分析法的多维特征综合预测方法及装置

本技术涉及人工智能领域，特别涉及一种基于层次分析法的多维特征综合预测方法及装置。

背景技术：

1、民意调查是最传统的选举预测方法之一，这类调查通常由专业机构、主流媒体或高校研究团队开展。他们基于抽样调查理论收集数据，同时参考专家意见进行修正，通过民意测验分析选民的政治倾向并给出预测结果。这种方法的优势在于能够快速反映最新的民意变化，尤其是选举临近时可能产生的动态影响，并提供关于选民人口特征的信息。然而，该方法的缺点在于容易受到样本偏差、样本规模、机构主观意向、选民意向变更等多种因素影响，其结果往往存在一定的偏差。

技术实现思路

1、本发明主要解决的技术问题包括：如何克服上述现有技术中预测方法单一、结果偏差大以及时效性不足的问题，从而提升了预测结果的综合可靠性和解释性。

2、为了解决上述问题，本发明提出了一种基于层次分析法的多维特征综合预测方法，通过层次化分析法确定民调数据、期货市场和博彩数据的最佳权重，并利用这些权重结合当天预测数据，生成更加精准的选举预测结果。该方法不仅弥补了单一预测技术的局限性，还提升了预测结果的综合可靠性和解释性，为选举结果的预判提供了全新的解决方案。

3、第一方面，本技术实施例提供了一种基于层次分析法的多维特征综合预测方法，方法包括：

4、根据当日民调数据和民调模型，得到民调模型预测结果，民调模型预测结果指示得票率预测结果；

5、根据当日期货价格序列数据和期货模型，得到期货模型预测结果，期货模型预测结果指示得票率预测结果；

6、根据博彩数据的当日赔率序列和博彩模型，得到博彩模型预测结果，博彩模型预测结果指示得票率预测结果；

7、利用民调模型预测结果、期货模型预测结果和博彩模型预测结果，根据层次化综合预测模型，得到当日最终预测结果。

8、本发明具体实施例中，上述利用民调模型预测结果、期货模型预测结果和博彩模型预测结果，根据层次化综合预测模型，得到当日最终预测结果，具体包括：

9、根据时间点，将民调模型预测结果、期货模型预测结果、和博彩模型预测结果按照时间序列进行匹配；

10、对民调模型预测结果、期货模型预测结果、和博彩模型预测结果，根据两两之间重要性评估量值，建立判断矩阵；

11、根据判断矩阵的最大特征值对应的特征向量，得到权重向量；

12、根据权重向量，得到层次化综合预测模型；

13、将民调模型预测结果、期货模型预测结果、和博彩模型预测结果输入层次化综合预测模型中，得到当日最终预测结果。

14、本发明具体实施例中，上述根据当日民调数据和民调模型，得到民调模型预测结果，具体包括：

15、通过历届社会民调数据，得到每个选区下包含的各民调机构的整体得分与机构效应评级结果；

16、利用各民调机构的整体得分与机构效应评级结果，对民调模型训练，得到最优策略与参数配置；

17、根据当日民调数据和最优策略与参数配置的民调模型，得到民调模型预测结果。

18、本发明具体实施例中，上述根据当日期货价格序列数据和期货模型，得到期货模型预测结果，具体包括：

19、获取当日期货价格序列数据，期货价格序列数据中包括以时间戳为序列的期货价格序列数据；

20、对当日期货价格序列数据进行数据清理和平稳化处理后，得到满足平稳性的当日期货价格序列数据；

21、使用自相关函数和偏自相关函数，确定期货模型的参数，期货模型是arima模型；

22、将当日期货价格序列数据输入期货模型，得到期货价格预测走势，其中期货价格预测走势指示胜选率的预测值；

23、利用胜选率的预测值和标准正态分布的逆累积分布函数，得到期货模型预测结果。

24、本发明具体实施例中，上述根据博彩数据的当日赔率序列和博彩模型，得到博彩模型预测结果，博彩模型预测结果指示得票率预测结果，具体包括：

25、获取博彩数据的历史赔率序列，并对博彩数据的历史赔率序列进行数据清理，确保历史赔率序列的连续性和完整性；

26、利用各候选人的历史赔率序列，将各候选人的当日赔率数据转换为得票率，得到得票率序列；

27、对得票率序列进行平稳化处理，利用自相关函数和偏自相关函数，确定博彩模型的参数；

28、获取当日赔率序列，对当日培训序列转化为当日得票率序列后，将得票率序列输入博彩模型中，得到博彩模型预测结果。

29、本发明具体实施例中，上述通过历届社会民调数据，得到每个选区下包含的各民调机构的整体得分与机构效应评级结果，具体包括：

30、采集并整理历届各个机构在选定选举地区的最后一次民调数据结果，并将民调数据结果转换为得票率，得到历届民调机构的得票率；

31、对历届民调机构的得票率按照年份进行归一化处理，得到以年为单位的民调机构的得票率；

32、采集历届选举地区的真实结果，得到以年为单位的选举地区候选人的得票率；

33、根据以年为单位的民调机构的得票率和以年为单位的选举地区候选人的得票率，计算选举地区在历年中各民调机构的误差；

34、将选举地区在历年中各民调机构的误差进行归一化后，进行排序，并依据预设的排序等级分布比例，对该选举地区下的包含的民调机构在选举地区中的各年份的机构效应进行评级，确定其所属等级；

35、根据年份权重和调查次数计算出各民调机构的整体得分，并对整体得分进行归一化；

36、将该选举地区下所有民调机构的归一化整体得分进行排序，并依据预设的排序等级分布比例评级，由此得到该选区全部民调机构的综合机构效应评级结果。

37、本发明具体实施例中，上述利用各民调机构的整体得分与机构效应评级结果，对民调模型训练，得到最优策略与参数配置，具体包括：

38、将不同评级的机构进行组合，每一种机构组合均作为一种策略，所有机构组合共同构成了策略空间；

39、针对每个策略下包含的民调数据，根据各年份民调机构预测数据的发布时间排序，生成时间序列数据；

40、针对各年份的时间序列预测，通过指数移动平均法进行加权平均，得到所有候选人的民调模型预测结果；

41、针对未表态群体，对所有候选人的民调模型预测结果进行线性权重归一化和指数调整归一化处理，利用从众心理和沉默螺旋效应两种策略进行归一化处理；

42、针对各年份的每类机构策略与归一化策略，均有民调模型预测结果，为了预测结果最高候选人对应的预测结果，以及其对应的选举真实得票结果误差最小，构建目标函数，目标函数优化民调模型的参数；

43、使用梯度下降法求解最小化问题，输出最小化预测误差求解结果，在每个机构策略与归一化策略下，分别计算对应的最优预测结果，形成所有策略对应的预测结果集合；

44、通过比较各策略预测结果与真实得票结果之间的误差，选择使误差最小的机构策略、归一化策略以及对应的权重参数，作为民调模型的最优策略与参数配置。

45、第二方面，本技术实施例提供了一种基于层次分析法的多维特征综合预测装置，装置包括：

46、第一处理模块，用于根据当日民调数据和民调模型，得到民调模型预测结果，民调模型预测结果指示得票率预测结果；

47、第二处理模块，用于根据当日期货价格序列数据和期货模型，得到期货模型预测结果，期货模型预测结果指示得票率预测结果；

48、第三处理模块，用于根据博彩数据的当日赔率序列和博彩模型，得到博彩模型预测结果，博彩模型预测结果指示得票率预测结果；

49、第四处理模块，用于利用民调模型预测结果、期货模型预测结果和博彩模型预测结果，根据层次化综合预测模型，得到当日最终预测结果。

50、本发明具体实施例中，上述第四处理模块包括：

51、根据时间点，将民调模型预测结果、期货模型预测结果、和博彩模型预测结果按照时间序列进行匹配；

52、对民调模型预测结果、期货模型预测结果、和博彩模型预测结果，根据两两之间重要性评估量值，建立判断矩阵；

53、根据判断矩阵的最大特征值对应的特征向量，得到权重向量；

54、根据权重向量，得到层次化综合预测模型；

55、将民调模型预测结果、期货模型预测结果、和博彩模型预测结果输入层次化综合预测模型中，得到当日最终预测结果。

56、本发明具体实施例中，上述第一处理模块包括：

57、通过历届社会民调数据，得到每个选区下包含的各民调机构的整体得分与机构效应评级结果；

58、利用各民调机构的整体得分与机构效应评级结果，对民调模型训练，得到最优策略与参数配置；

59、根据当日民调数据和最优策略与参数配置的民调模型，得到民调模型预测结果。

60、本发明具体实施例中，上述第二处理模块包括：

61、获取当日期货价格序列数据，期货价格序列数据中包括以时间戳为序列的期货价格序列数据；

62、对当日期货价格序列数据进行数据清理和平稳化处理后，得到满足平稳性的当日期货价格序列数据；

63、使用自相关函数和偏自相关函数，确定期货模型的参数，期货模型是arima模型；

64、将当日期货价格序列数据输入期货模型，得到期货价格预测走势，其中期货价格预测走势指示胜选率的预测值；

65、利用胜选率的预测值和标准正态分布的逆累积分布函数，得到期货模型预测结果。

66、本发明具体实施例中，上述第三处理模块包括：

67、获取博彩数据的历史赔率序列，并对博彩数据的历史赔率序列进行数据清理，确保历史赔率序列的连续性和完整性；

68、利用各候选人的历史赔率序列，将各候选人的当日赔率数据转换为得票率，得到得票率序列；

69、对得票率序列进行平稳化处理，利用自相关函数和偏自相关函数，确定博彩模型的参数；

70、获取当日赔率序列，对当日培训序列转化为当日得票率序列后，将得票率序列输入博彩模型中，得到博彩模型预测结果。

71、本发明具体实施例中，上述第一处理模块包括：

72、采集并整理历届各个机构在选定选举地区的最后一次民调数据结果，并将民调数据结果转换为得票率，得到历届民调机构的得票率；

73、对历届民调机构的得票率按照年份进行归一化处理，得到以年为单位的民调机构的得票率；

74、采集历届选举地区的真实结果，得到以年为单位的选举地区候选人的得票率；

75、根据以年为单位的民调机构的得票率和以年为单位的选举地区候选人的得票率，计算选举地区在历年中各民调机构的误差；

76、将选举地区在历年中各民调机构的误差进行归一化后，进行排序，并依据预设的排序等级分布比例，对该选举地区下的包含的民调机构在选举地区中的各年份的机构效应进行评级，确定其所属等级；

77、根据年份权重和调查次数计算出各民调机构的整体得分，并对整体得分进行归一化；

78、将该选举地区下所有民调机构的归一化整体得分进行排序，并依据预设的排序等级分布比例评级，由此得到该选区全部民调机构的综合机构效应评级结果。

79、本发明具体实施例中，上述第一处理模块包括：

80、将不同评级的机构进行组合，每一种机构组合均作为一种策略，所有机构组合共同构成了策略空间；

81、针对每个策略下包含的民调数据，根据各年份民调机构预测数据的发布时间排序，生成时间序列数据；

82、针对各年份的时间序列预测，通过指数移动平均法进行加权平均，得到所有候选人的民调模型预测结果；

83、针对未表态群体，对所有候选人的民调模型预测结果，利用从众心理和沉默螺旋效应两种策略进行归一化处理；

84、针对各年份的每类机构策略与归一化策略，均有民调模型预测结果，为了预测结果最高候选人对应的预测结果，以及其对应的选举真实得票结果误差最小，构建目标函数，目标函数优化所述民调模型的参数；

85、使用梯度下降法求解最小化问题，输出最小化预测误差求解结果，在每个机构策略与归一化策略下，分别计算对应的最优预测结果，形成所有策略对应的预测结果集合；

86、通过比较各策略预测结果与真实得票结果之间的误差，选择使误差最小的机构策略、归一化策略以及对应的权重参数，作为民调模型的最优策略与参数配置。

87、第三方面，本技术实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现所述的基于层次分析法的多维特征综合预测方法的步骤。

88、第四方面，本技术实施例提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如所述的基于层次分析法的多维特征综合预测方法的步骤。

89、相比于相关现有技术，具有以下突出的有益效果：

90、本发明方法通过引入机构效应评级筛选民调数据，并结合期货和赔率市场的动态信息，综合三种预测方法的优势，有效减少了因单一数据源局限性导致的偏差，显著提升了选举预测结果的准确性。结合民调情况、市场交易行为等不同维度的信息，使预测结果更加全面，能够更清晰地反映选民意向的多重影响因素，具备较强的结果解释能力。采用指数移动平均法和时序预测模型，既能反映长期趋势，又能捕捉临近选举前的动态变化，使得预测结果能够及时调整，应对快速变化的选举环境。整合多源数据，避免对单一方法和资源的过度依赖，降低了对大规模民意调查的依赖程度，同时减少了采样偏差和数据噪声的影响，进一步提升了资源利用效率和预测模型的稳定性。此外，本方法既适用于单一选区的预测，也适用于全国范围内选举结果的预判，具有广泛的适用场景和推广价值。本发明为复杂选举环境下的结果预判提供了一种高效、可靠的解决方案。