一种事件预测模型的确定方法、装置、设备和存储介质与流程

技术特征：
1.一种事件预测模型的确定方法，其特征在于，包括：获取多个来源地区分别对应的历史迁移信息；在每个所述来源地区对应的历史迁移信息中，确定与事件信息的相关系数最大的历史迁移信息，作为所述来源地区对应的候选历史迁移信息；根据所述事件信息以及预设的回归模型，在所述多个来源地区分别对应的候选历史迁移信息中，筛选出符合预设模型回归条件的候选历史迁移信息；根据所述符合预设回归条件的候选历史迁移信息，生成样本迁移信息；根据所述样本迁移信息以及所述事件信息，确定事件预测模型，以便利用目标迁移信息以及所述事件预测模型执行事件信息预测。2.根据权利要求1所述的方法，其特征在于，在所述获取多个来源地区分别对应的历史迁移信息之前，包括：多次执行采集聚合操作；其中，每次执行所述采集聚合操作包括：采集第一预设时间长度内的多个时间段分别对应的历史用户信息；其中，在每次执行采集聚合操作中，所述第一预设时间长度的起始时间不同；所述历史用户信息包括：进入所述目标地区的用户的来源地区；在所述第一预设时间长度内的多个时间段分别对应的历史用户信息中，聚合时间段相同并且来源地区相同的所述历史用户信息；根据聚合结果生成每个来源地区对应的历史迁移信息；其中，所述历史迁移信息用于表示在所述第一预设时间长度的每个时间段内，从所述历史迁移信息对应的来源地区进入所述目标地区的用户数量。3.根据权利要求2所述的方法，其特征在于，在每个所述来源地区对应的历史迁移信息中，确定与事件信息的相关系数最大的历史迁移信息，作为所述来源地区对应的候选历史迁移信息，包括：获取第二预设时间长度内的多个时间段分别对应的目标事件数据并生成事件信息；所述第二预设时间长度与所述第一预设时间长度的时长相等；针对每个所述来源地区对应的多个历史迁移信息，计算所述事件信息分别与每个所述历史迁移信息的相关系数，并且确定与所述事件信息的相关系数最大的历史迁移信息，作为候选历史迁移信息。4.根据权利要求3所述的方法，其特征在于，在每个所述来源地区对应的历史迁移信息中，确定与事件信息的相关系数最大的历史迁移信息之后，还包括：针对所述与事件信息的相关系数最大的历史迁移信息，确定所述历史迁移信息对应的第一时间长度的起始时间以及所述事件信息对应的第二时间长度的起始时间，将所述第一时间长度的起始时间和所述第二时间长度的起始时间的差值，作为所述历史迁移信息对应的时滞阶数；或者，针对所述与事件信息的相关系数最大的历史迁移信息，确定所述历史迁移信息对应的第一时间长度的结束时间以及所述事件信息对应的第二时间长度的结束时间，将所述第一时间长度的结束时间和所述第二时间长度的结束时间的差值，作为所述历史迁移信息对应的时滞阶数。5.根据权利要求4所述的方法，其特征在于，根据所述符合预设回归条件的候选历史迁
移信息，生成样本迁移信息，包括：在所述符合预设回归条件的候选历史迁移信息中，确定时滞阶数相同的所述候选历史迁移信息；在时滞阶数相同的所述候选历史迁移信息中，确定至少一组候选历史迁移信息的组合；每个组合中的候选历史迁移信息至少对应一个来源地区；在属于同一组合的候选历史迁移信息中，将相同时间段对应的用户数量进行求和运算，生成所述组合对应的样本迁移信息。6.根据权利要求5所述的方法，其特征在于，根据所述样本迁移信息以及所述事件信息，确定事件预测模型，包括：针对每个所述样本迁移信息，将所述样本迁移信息以及所述事件信息输入预设的初始预测模型，并确定所述初始预测模型的拟合度；其中，每个所述样本迁移信息由至少一个来源地区对应的候选历史迁移信息生成的；将拟合度最大并且输入的样本迁移信息对应的来源地区最多的初始预测模型确定为事件预测模型；其中，所述预设确定条件包括：所述初始预测模型的拟合度大于预设的第一确定阈值并且所述初始预测模型的拟合度在所有初始预测模型中最大，输入所述初始预测模型的样本迁移信息对应的来源地区的数量大于预设的第二确定阈值并且在所有样本迁移信息中最多。7.根据权利要求1所述的方法，其特征在于，根据所述事件信息以及预设的回归模型，在所述多个来源地区分别对应的候选历史迁移信息中，筛选出符合预设模型回归条件的候选历史迁移信息，包括：针对每个所述候选历史迁移信息，对所述候选历史迁移信息进行预设平稳性检验以及预设的正态性检验，得到所述候选历史迁移信息对应的平稳指数以及分布类型；确定平稳指数处于预设平稳区间并且分布类型为正态分布的候选历史迁移信息作为模型自变量；将所述事件信息作为模型因变量输入到所述回归模型中；针对每个所述模型自变量，将所述模型自变量输入所述回归模型，确定所述回归模型的模型参数，在所述模型参数处于预设参数区间的情况下，将所述模型自变量确定为符合预设模型回归条件的候选历史迁移信息。8.根据权利要求7所述的方法，其特征在于，在将所述模型自变量输入所述回归模型之前，还包括：如果模型自变量的数量小于预设的数量阈值，则在平稳指数未处于预设平稳区间或者分布类型不是正态分布的候选历史迁移信息中，对所述候选历史迁移信息中的部分信息进行所述平稳性检验以及所述正态性检验，得到所述部分信息对应的平稳指数以及分布类型；确定平稳指数处于预设平稳区间并且分布类型为正态分布的部分信息作为模型自变量。9.根据权利要求7所述的方法，其特征在于，所述回归模型包括：为每个所述来源地区对应设置的单回归模型和自回归模型；将所述模型自变量输入所述回归模型，确定所述回归模型的参数模型，在所述模型参
数处于预设参数区间的情况下，将所述模型自变量确定为符合预设模型回归条件的候选历史迁移信息，包括：确定所述模型自变量对应的来源地区；将所述模型自变量输入所述来源地区对应的单回归模型和自回归模型中；分别对所述单回归模型和所述自回归模型执行预设的显著性检验；在所述单变量回归模型和所述自回归模型都通过所述显著性检验的情况下，确定所述单回归模型对应的拟合度；在所述单变量回归模型对应的拟合度处于预设拟合度区间的情况下，将所述模型自变量确定为符合预设模型回归条件的历史迁移信息。10.根据权利要求1～9中任一项所述的方法，其特征在于，在利用目标迁移信息以及所述事件预测模型执行事件信息预测之前，还包括：获取历史迁移信息或者当前迁移信息；将所述历史迁移信息或者当前迁移信息输入预设的迁移走势预测模型，获取所述迁移走势预测模型输出的未来时间区间对应的未来迁移信息，将所述未来时间区间对应的未来迁移信息作为目标迁移信息。11.一种事件预测模型的确定装置，其特征在于，包括：获取模块，用于获取多个来源地区分别对应的历史迁移信息；第一确定模块，用于在每个所述来源地区对应的历史迁移信息中，确定与事件信息的相关系数最大的历史迁移信息，作为所述来源地区对应的候选历史迁移信息；筛选模块，用于根据所述事件信息以及预设的回归模型，在所述多个来源地区分别对应的候选历史迁移信息中，筛选出符合预设模型回归条件的候选历史迁移信息；生成模块，用于根据所述符合预设回归条件的候选历史迁移信息，生成样本迁移信息；第二确定模块，用于根据所述样本迁移信息以及所述事件信息，确定事件预测模型，以便利用目标迁移信息以及所述事件预测模型执行事件信息预测。12.一种事件预测模型的确定设备，其特征在于，所述事件预测模型的确定设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如权利要求1～10中任一项所述的事件预测模型的确定方法。13.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有事件预测模型的确定程序，所述事件预测模型的确定程序被处理器执行时实现如权利要求1～10中任一项所述的事件预测模型的确定方法。

技术总结
本发明公开了一种事件预测模型的确定方法、装置、设备和存储介质。该方法包括：获取多个来源地区分别对应的历史迁移信息；在每个来源地区对应的历史迁移信息中，确定与事件信息的相关系数最大的历史迁移信息，作为来源地区对应的候选历史迁移信息；根据事件信息以及预设的回归模型，在多个来源地区分别对应的候选历史迁移信息中，筛选出符合预设模型回归条件的候选历史迁移信息；根据符合预设回归条件的候选历史迁移信息，生成样本迁移信息；根据样本迁移信息以及事件信息，确定事件预测模型。本发明可以确定预测准确度较高的事件预测模型，通过该事件预测模型使得迁移信息与事件信息产生联系，通过该事件预测模型预测迁移信息对应的事件信息。对应的事件信息。对应的事件信息。


技术研发人员：孙沁田 郑宇 张钧波 宋礼
受保护的技术使用者：京东城市（北京）数字科技有限公司
技术研发日：2020.08.19
技术公布日：2022/2/23