防止收入下降时空人工智能方法和深度学习系统

1.本发明涉及人工智能技术领域，特别是涉及以防止收入下降时空人工智能方法和深度学习系统。


背景技术：

2.在实现本发明过程中，发明人发现现有技术中至少存在如下问题：现有的防止收入下降主要是靠政府官员和专家进行监测和决策，需要的成本高、周期长。
3.因此，现有技术还有待于改进和发展。


技术实现要素：

4.基于此，有必要针对现有技术的缺陷或不足，提供以防止收入下降时空人工智能方法和深度学习系统，通过人工智能技术进行防止收入下降的监测和预测、预警、应对，能够协助人们进行防止收入下降的决策，提高防止收入下降的效率。
5.第一方面，本发明实施例提供一种人工智能方法，所述方法包括：
6.防止收入下降应对方案优选步骤：根据所述需防止收入下降的人类对象在所述多个连续监测时空窗口和多个连续预测时空窗口中通过深度学习模型或机器学习模型预测收入下降风险的特征、预警和应对方案的演变趋势，从应对的演变趋势中获取最好应对预期效果对应的预测时空窗口，作为优选预测时空窗口；根据所述需防止收入下降的人类对象在所述多个连续监测时空窗口和所述优选预测时空窗口通过深度学习模型或机器学习模型进行时空窗口中收入下降风险的预测、预警和应对方案建议。
7.优选地，所述方法还包括：
8.收入下降风险预测预警应对综合模型训练步骤：获取防止收入下降总体时空范围中需防止收入下降的人类对象；获取所述需防止收入下降的人类对象的已知收入下降风险特征、预警结果、应对方案的监测时空窗口和预测时空窗口；若所述监测时空窗口和预测时空窗口不为空，则获取所述监测时空窗口及其内所述需防止收入下降的人类对象的相关数据，所述需防止收入下降的人类对象在所述预测时空窗口及其中的收入下降风险特征、预警结果、应对时空窗口及其中的应对方案，作为收入下降风险预测预警应对综合模型的输入和预期输出对收入下降风险预测预警应对综合模型进行训练；
9.收入下降风险预测预警应对综合模型使用步骤：获取防止收入下降总体时空范围中需防止收入下降的人类对象；获取所述需防止收入下降的人类对象的待预测收入下降风险特征、预警结果、应对时空窗口及其中的应对方案的监测时空窗口和预测时空窗口；所述监测时空窗口和预测时空窗口属于所述防止收入下降总体时空范围；获取所述监测时空窗口及其内所述需防止收入下降的人类对象的相关数据，作为收入下降风险预测预警应对综合模型的输入通过收入下降风险预测预警应对综合模型进行预测，得到的输出作为所述需防止收入下降的人类对象在所述预测时空窗口及其中的收入下降风险特征、预警结果、应对时空窗口及其中的应对方案。
10.优选地，所述方法还包括：
11.收入下降风险预测预警应对演变趋势综合模型训练步骤：获取防止收入下降总体时空范围中需防止收入下降的人类对象；获取所述需防止收入下降的人类对象的已知收入下降风险演变趋势、预警结果演变趋势、应对方案演变趋势的多个连续监测时空窗口和多个连续预测时空窗口；所述演变趋势是在所述多个连续预测时空窗口上随着预测时空窗口的移动而产生的演变趋势；若所述监测时空窗口和预测时空窗口不为空，则获取所述多个连续监测时空窗口及其内所述需防止收入下降的人类对象的相关数据，所述需防止收入下降的人类对象在所述多个连续预测时空窗口及其中的收入下降风险演变趋势、预警结果演变趋势、应对时空窗口及其中的应对方案演变趋势，作为收入下降风险预测预警应对演变趋势综合模型的输入和预期输出对收入下降风险预测预警应对演变趋势综合模型进行训练；
12.收入下降风险预测预警应对演变趋势综合模型使用步骤：获取防止收入下降总体时空范围中需防止收入下降的人类对象；获取所述需防止收入下降的人类对象的待预测收入下降风险演变趋势、预警结果演变趋势、应对时空窗口及其中的应对方案演变趋势的多个连续监测时空窗口和多个连续预测时空窗口；所述多个连续监测时空窗口和多个连续预测时空窗口属于所述防止收入下降总体时空范围；获取所述多个连续监测时空窗口及其内所述需防止收入下降的人类对象的相关数据，作为收入下降风险预测预警应对演变趋势综合模型的输入通过收入下降风险预测预警应对演变趋势综合模型进行预测，得到的输出作为所述需防止收入下降的人类对象在所述多个连续预测时空窗口及其中的收入下降风险演变趋势、预警结果演变趋势、应对时空窗口及其中的应对方案演变趋势。
13.优选地，所述方法还包括：
14.收入下降风险预测预警应对演变趋势反馈步骤：将所述需防止收入下降的人类对象在所述多个连续预测时空窗口中的收入下降风险演变趋势、预警结果演变趋势、应对时空窗口及其中的应对方案演变趋势反馈给预设的防止收入下降元宇宙的所述需防止收入下降的人类对象和所述多个连续预测时空窗口中的空间对应的现实世界的显示装置或管理人员。
15.第二方面，本发明实施例提供一种人工智能系统，所述系统包括：
16.防止收入下降应对方案优选模型：根据所述需防止收入下降的人类对象在所述多个连续监测时空窗口和多个连续预测时空窗口中通过深度学习模型或机器学习模型预测收入下降风险的特征、预警和应对方案的演变趋势，从应对的演变趋势中获取最好应对预期效果对应的预测时空窗口，作为优选预测时空窗口；根据所述需防止收入下降的人类对象在所述多个连续监测时空窗口和所述优选预测时空窗口通过深度学习模型或机器学习模型进行时空窗口中收入下降风险的预测、预警和应对方案建议。
17.优选地，所述系统还包括：
18.收入下降风险预测预警应对综合模型训练模型：获取防止收入下降总体时空范围中需防止收入下降的人类对象；获取所述需防止收入下降的人类对象的已知收入下降风险特征、预警结果、应对方案的监测时空窗口和预测时空窗口；若所述监测时空窗口和预测时空窗口不为空，则获取所述监测时空窗口及其内所述需防止收入下降的人类对象的相关数据，所述需防止收入下降的人类对象在所述预测时空窗口及其中的收入下降风险特征、预
警结果、应对时空窗口及其中的应对方案，作为收入下降风险预测预警应对综合模型的输入和预期输出对收入下降风险预测预警应对综合模型进行训练；
19.收入下降风险预测预警应对综合模型使用模型：获取防止收入下降总体时空范围中需防止收入下降的人类对象；获取所述需防止收入下降的人类对象的待预测收入下降风险特征、预警结果、应对时空窗口及其中的应对方案的监测时空窗口和预测时空窗口；所述监测时空窗口和预测时空窗口属于所述防止收入下降总体时空范围；获取所述监测时空窗口及其内所述需防止收入下降的人类对象的相关数据，作为收入下降风险预测预警应对综合模型的输入通过收入下降风险预测预警应对综合模型进行预测，得到的输出作为所述需防止收入下降的人类对象在所述预测时空窗口及其中的收入下降风险特征、预警结果、应对时空窗口及其中的应对方案。
20.优选地，所述系统还包括：
21.收入下降风险预测预警应对演变趋势综合模型训练模型：获取防止收入下降总体时空范围中需防止收入下降的人类对象；获取所述需防止收入下降的人类对象的已知收入下降风险演变趋势、预警结果演变趋势、应对方案演变趋势的多个连续监测时空窗口和多个连续预测时空窗口；所述演变趋势是在所述多个连续预测时空窗口上随着预测时空窗口的移动而产生的演变趋势；若所述监测时空窗口和预测时空窗口不为空，则获取所述多个连续监测时空窗口及其内所述需防止收入下降的人类对象的相关数据，所述需防止收入下降的人类对象在所述多个连续预测时空窗口及其中的收入下降风险演变趋势、预警结果演变趋势、应对时空窗口及其中的应对方案演变趋势，作为收入下降风险预测预警应对演变趋势综合模型的输入和预期输出对收入下降风险预测预警应对演变趋势综合模型进行训练；
22.收入下降风险预测预警应对演变趋势综合模型使用模型：获取防止收入下降总体时空范围中需防止收入下降的人类对象；获取所述需防止收入下降的人类对象的待预测收入下降风险演变趋势、预警结果演变趋势、应对时空窗口及其中的应对方案演变趋势的多个连续监测时空窗口和多个连续预测时空窗口；所述多个连续监测时空窗口和多个连续预测时空窗口属于所述防止收入下降总体时空范围；获取所述多个连续监测时空窗口及其内所述需防止收入下降的人类对象的相关数据，作为收入下降风险预测预警应对演变趋势综合模型的输入通过收入下降风险预测预警应对演变趋势综合模型进行预测，得到的输出作为所述需防止收入下降的人类对象在所述多个连续预测时空窗口及其中的收入下降风险演变趋势、预警结果演变趋势、应对时空窗口及其中的应对方案演变趋势。
23.优选地，所述系统还包括：
24.收入下降风险预测预警应对演变趋势反馈模型：将所述需防止收入下降的人类对象在所述多个连续预测时空窗口中的收入下降风险演变趋势、预警结果演变趋势、应对时空窗口及其中的应对方案演变趋势反馈给预设的防止收入下降元宇宙的所述需防止收入下降的人类对象和所述多个连续预测时空窗口中的空间对应的现实世界的显示装置或管理人员。
25.第三方面，本发明实施例提供一种人工智能装置，所述装置包括第二方面实施例任意一项所述装置的模块。
26.第四方面，本发明实施例提供一种计算机可读存储介质，其上存储有计算机程序，
所述程序被处理器执行时实现第一方面实施例任意一项所述方法的步骤。
27.第五方面，本发明实施例提供一种机器人，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人工智能机器人程序，所述处理器执行所述程序时实现第一方面实施例任意一项所述方法的步骤。
28.本实施例提供的防止收入下降时空人工智能方法和深度学习系统，包括：防止收入下降应对方案优选步骤；收入下降风险预测预警应对综合模型训练步骤；收入下降风险预测预警应对综合模型使用步骤；收入下降风险预测预警应对演变趋势综合模型训练步骤；收入下降风险预测预警应对演变趋势综合模型使用步骤。上述方法、系统和机器人，通过监测时空窗口来对预测时空窗口的收入下降风险预测预警应对及其演变趋势进行计算，来防患于未然，为防止收入下降的时机选择提供决策支持，并优选出防止收入下降的应对方案，取得更好的收入下降效果。
附图说明
29.图1为本发明的实施例提供的人工智能方法的流程图；
30.图2为本发明的实施例提供的人工智能方法的附加步骤流程图；
31.图3为本发明的实施例提供的人工智能方法的流程图；
32.图4为本发明的实施例提供的人工智能方法的示意图；
33.图5为本发明的实施例提供的人工智能方法的部分示意图；
34.图6为本发明的实施例提供的人工智能方法的部分示意图；
35.图7为本发明的实施例提供的人工智能方法的部分示意图；
36.图8为本发明的实施例提供的人工智能方法的部分示意图；
37.图9为本发明的实施例提供的人工智能方法的部分示意图；
38.图10为本发明的实施例提供的人工智能方法的部分示意图；
39.图11为本发明的实施例提供的人工智能方法的部分示意图；
40.图12为本发明的实施例提供的人工智能方法的部分示意图；
41.图13为本发明的实施例提供的人工智能方法的部分示意图；
42.图14为本发明的实施例提供的人工智能方法的部分示意图；
43.图15为本发明的实施例提供的人工智能方法的部分示意图。
具体实施方式
44.下面结合本发明实施方式，对本发明实施例中的技术方案进行详细地描述。
45.本发明的基本实施例
46.第一方面，本发明实施例提供一种人工智能方法，所述方法包括：防止收入下降应对方案优选步骤。技术效果：所述方法通过人工智能方案优选出防止收入下降的应对方案，可以取得更好的收入下降效果。
47.在其中一个优选实施例中，所述方法还包括：收入下降风险预测预警应对综合模型训练步骤；收入下降风险预测预警应对综合模型使用步骤。技术效果：所述方法通过监测时空窗口来对预测时空窗口的收入下降风险预测预警应对进行计算，来防患于未然，为防止收入下降提供决策支持。
48.在其中一个优选实施例中，如图1所示，所述方法还包括：收入下降风险预测预警应对演变趋势综合模型训练步骤；收入下降风险预测预警应对演变趋势综合模型使用步骤。技术效果：所述方法通过监测时空窗口来对预测时空窗口的收入下降风险预测预警应对的演变趋势进行计算，来防患于未然，为防止收入下降的时机选择提供决策支持。
49.在其中一个优选实施例中，如图2所示，所述方法还包括：收入下降风险预测预警应对演变趋势反馈步骤。技术效果：所述方法通过将收入下降风险预测预警应对演变趋势展示给用户，为用户进行防止收入下降的决策提供直观的结果。
50.本发明的优选实施例
51.如图3所示，先在监测时空窗口中对收入下降原因的特征、收入下降症状的特征、收入下降风险的特征进行监测，监测到的特征可以供人类专家研究，同时可以用于提高收入下降风险预测、预警、应对方案的准确率；然后在预测时空窗口中进行收入下降风险预测、预警、应对方案的建议，同时，在多个连续的时间窗口中进行收入下降原因的演变趋势、收入下降症状的演变趋势、收入下降风险的演变趋势进行监测，监测到的演变趋势可以供人类专家研究，同时可以用于提高收入下降风险预测、预警、应对方案的演变趋势预测的准确率；然后在预测时空窗口中进行收入下降风险预测、预警、应对方案及其演变趋势的预测，从而能够知晓在不同的预测时空窗口进行收入下降风险预测、预警、应对的效果，从而可以选择最佳的预测时空窗口和应对方案。
52.收入下降成因监测模型
53.收入下降成因监测模型训练步骤：获取防止收入下降总体时空范围(防止收入下降总体时空范围包括需要进行防止收入下降的时间范围、空间范围、对象范围)中需防止收入下降的人类对象(所述人类对象包括个人、集体，例如个人、家庭、村庄、等)；获取所述需防止收入下降的人类对象的已知收入下降成因特征的监测时空窗口；所述监测时空窗口属于所述防止收入下降总体时空范围；若所述监测时空窗口不为空，则获取所述监测时空窗口内所述需防止收入下降的人类对象的相关数据和所述需防止收入下降的人类对象在所述监测时空窗口中的收入下降成因的特征，作为收入下降成因监测模型的输入和预期输出对收入下降成因监测模型进行训练；所述收入下降成因的特征属于收入下降成因的特征集合；收入下降成因的特征包括每一收入下降成因的特征或无收入下降成因的特征；所述相关数据包括时空信息；
54.收入下降成因监测模型使用步骤：获取防止收入下降总体时空范围中需防止收入下降的人类对象；获取所述需防止收入下降的人类对象的待监测收入下降成因特征的监测时空窗口；所述监测时空窗口属于所述防止收入下降总体时空范围；获取所述监测时空窗口内所述需防止收入下降的人类对象的相关数据，作为收入下降成因监测模型的输入通过收入下降成因监测模型进行预测，得到的输出作为所述需防止收入下降的人类对象在所述监测时空窗口中的收入下降成因的特征；所述相关数据包括时空信息；
55.收入下降成因展示步骤：将所述需防止收入下降的人类对象在所述监测时空窗口中的收入下降成因的特征展示在防止收入下降元宇宙的所述需防止收入下降的人类对象在所述监测时空窗口对应的标记上；
56.收入下降成因反馈步骤：将所述需防止收入下降的人类对象在所述监测时空窗口中的收入下降成因的特征反馈给防止收入下降元宇宙的所述需防止收入下降的人类对象
和所述监测时空窗口对应的现实世界的显示装置或管理人员；
57.预设尺度监测时空窗口的收入下降成因监测模型定制步骤：将收入下降成因监测模型训练步骤和收入下降成因监测模型使用步骤中的监测时空窗口限定为预设的时空尺度，得到的收入下降成因监测模型作为所述预设时空尺度的收入下降成因监测模型；时空尺度包括时间长度和空间的大小；时间长度例如半年或一个月，空间的大小例如需防止收入下降的人类对象居住地的周围1000米以内；
58.多尺度监测时空窗口的收入下降成因监测模型定制步骤：通过设定多个预设的时空尺度，得到多个所述预设的时空尺度的收入下降成因监测模型；时空尺度越长的监测模型监测的结果越准确，但数据采集和计算的成本也越高、时间也越长。
59.多尺度监测时空窗口的收入下降成因监测模型选择步骤：根据所述需防止收入下降的人类对象的待监测收入下降成因特征的监测时空窗口的尺度选择最接近于所述尺度的所述预设时空尺度的收入下降成因监测模型进行所述需防止收入下降的人类对象在所述监测时空窗口中收入下降成因特征的预测；
60.预设特征窗口的收入下降成因监测模型定制步骤：将收入下降成因监测模型训练步骤和收入下降成因监测模型使用步骤中的收入下降成因的特征集合限定为预设的特征集合；所述预设的特征集合作为预设特征窗口；限定后得到的收入下降成因监测模型作为所述预设特征窗口的收入下降成因监测模型；预设的特征集合至少包括收入下降成因的直接特征，还可以包括更多层次的收入下降成因的特征，例如包括收入下降成因的直接特征、收入下降成因的深层特征，又例如将收入下降成因的直接特征称为收入下降成因的第一层特征，将更深层特征成为收入下降成因的第一层特征、第二层特征、第三层特征、等等；
61.多尺度特征窗口的收入下降成因监测模型定制步骤：通过设定多个预设的特征窗口，得到多个所述预设的特征窗口的收入下降成因监测模型；特征窗口中包括的特征层次越多的监测模型监测的结果越能监测到收入下降成因的更深层次的特征，但数据采集和计算的成本也越高、时间也越长；监测到收入下降成因的更深层次的特征有利于收入下降风险的提前预测、预警和应对；
62.多特征窗口的收入下降成因监测模型选择步骤：根据所述需防止收入下降的人类对象的待监测收入下降成因特征的每一特征集合选择最接近于所述特征集合的所述预设特征窗口的收入下降成因监测模型进行所述需防止收入下降的人类对象在所述监测时空窗口中针对所述特征集合的收入下降成因特征的预测；
63.收入下降症状监测模型
64.收入下降症状监测模型训练步骤：获取防止收入下降总体时空范围中需防止收入下降的人类对象；获取所述需防止收入下降的人类对象的已知收入下降症状特征的监测时空窗口；所述监测时空窗口属于所述防止收入下降总体时空范围；若所述监测时空窗口不为空，则获取所述监测时空窗口内所述需防止收入下降的人类对象的相关数据和所述需防止收入下降的人类对象在所述监测时空窗口中的收入下降症状的特征，作为收入下降症状监测模型的输入和预期输出对收入下降症状监测模型进行训练；所述收入下降症状的特征属于收入下降症状的特征集合；收入下降症状的特征包括每一收入下降症状的特征或无收入下降症状的特征；所述相关数据包括时空信息；
65.收入下降症状监测模型使用步骤：获取防止收入下降总体时空范围中需防止收入
下降的人类对象；获取所述需防止收入下降的人类对象的待监测收入下降症状特征的监测时空窗口；所述监测时空窗口属于所述防止收入下降总体时空范围；获取所述监测时空窗口内所述需防止收入下降的人类对象的相关数据，作为收入下降症状监测模型的输入通过收入下降症状监测模型进行预测，得到的输出作为所述需防止收入下降的人类对象在所述监测时空窗口中的收入下降症状的特征；所述相关数据包括时空信息；
66.收入下降症状展示步骤：将所述需防止收入下降的人类对象在所述监测时空窗口中的收入下降症状的特征展示在防止收入下降元宇宙的所述需防止收入下降的人类对象在所述监测时空窗口对应的标记上；
67.收入下降症状反馈步骤：将所述需防止收入下降的人类对象在所述监测时空窗口中的收入下降症状的特征反馈给防止收入下降元宇宙的所述需防止收入下降的人类对象和所述监测时空窗口对应的现实世界的显示装置或管理人员；
68.预设尺度监测时空窗口的收入下降症状监测模型定制步骤：将收入下降症状监测模型训练步骤和收入下降症状监测模型使用步骤中的监测时空窗口限定为预设的时空尺度，得到的收入下降症状模型作为所述预设时空尺度的收入下降症状监测模型；时空尺度包括时间长度和空间的大小；时间长度例如半年或一个月，空间的大小例如需防止收入下降的人类对象居住地的周围1000米以内；
69.多尺度监测时空窗口的收入下降症状监测模型定制步骤：通过设定多个预设的时空尺度，得到多个所述预设的时空尺度的收入下降症状监测模型；时空尺度越长的监测模型监测的结果越准确，但数据采集和计算的成本也越高、时间也越长。
70.多尺度监测时空窗口的收入下降症状监测模型选择步骤：根据所述需防止收入下降的人类对象的待监测收入下降症状特征的监测时空窗口的尺度选择最接近于所述尺度的所述预设时空尺度的收入下降症状监测模型进行所述需防止收入下降的人类对象在所述监测时空窗口中收入下降症状特征的预测；
71.预设特征窗口的收入下降症状监测模型定制步骤：将收入下降症状监测模型训练步骤和收入下降症状监测模型使用步骤中的收入下降症状的特征集合限定为预设的特征集合；所述预设的特征集合作为预设特征窗口；限定后得到的收入下降症状监测模型作为所述预设特征窗口的收入下降症状监测模型；预设的特征集合至少包括收入下降症状的直接特征，还可以包括更多层次的收入下降症状的特征，例如包括收入下降症状的直接特征、收入下降症状的深层特征，又例如将收入下降症状的直接特征称为收入下降症状的第一层特征，将更深层特征成为收入下降症状的第一层特征、第二层特征、第三层特征、等等；
72.多尺度特征窗口的收入下降症状监测模型定制步骤：通过设定多个预设的特征窗口，得到多个所述预设的特征窗口的收入下降症状监测模型；特征窗口中包括的特征层次越多的监测模型监测的结果越能监测到收入下降症状的更深层次的特征，但数据采集和计算的成本也越高、时间也越长；监测到收入下降症状的更深层次的特征有利于收入下降风险的提前预测、预警和应对；
73.多特征窗口的收入下降症状监测模型选择步骤：根据所述需防止收入下降的人类对象的待监测收入下降症状特征的每一特征集合选择最接近于所述特征集合的所述预设特征窗口的收入下降症状监测模型进行所述需防止收入下降的人类对象在所述监测时空窗口中针对所述特征集合的收入下降症状特征的预测；
74.收入下降风险监测模型
75.收入下降风险监测模型训练步骤：获取防止收入下降总体时空范围中需防止收入下降的人类对象；获取所述需防止收入下降的人类对象的已知收入下降风险特征的监测时空窗口；所述监测时空窗口属于所述防止收入下降总体时空范围；若所述监测时空窗口不为空，则获取所述监测时空窗口内所述需防止收入下降的人类对象的相关数据和所述需防止收入下降的人类对象在所述监测时空窗口中的收入下降风险的特征，作为收入下降风险监测模型的输入和预期输出对收入下降风险监测模型进行训练；所述收入下降风险的特征属于收入下降风险的特征集合；收入下降风险的特征包括每一收入下降风险的特征或无收入下降风险的特征；所述相关数据包括时空信息；
76.收入下降风险监测模型使用步骤：获取防止收入下降总体时空范围中需防止收入下降的人类对象；获取所述需防止收入下降的人类对象的待监测收入下降风险特征的监测时空窗口；所述监测时空窗口属于所述防止收入下降总体时空范围；获取所述监测时空窗口内所述需防止收入下降的人类对象的相关数据，作为收入下降风险监测模型的输入通过收入下降风险监测模型进行预测，得到的输出作为所述需防止收入下降的人类对象在所述监测时空窗口中的收入下降风险的特征；所述相关数据包括时空信息；
77.收入下降风险展示步骤：将所述需防止收入下降的人类对象在所述监测时空窗口中的收入下降风险的特征展示在防止收入下降元宇宙的所述需防止收入下降的人类对象在所述监测时空窗口对应的标记上；
78.收入下降风险反馈步骤：将所述需防止收入下降的人类对象在所述监测时空窗口中的收入下降风险的特征反馈给防止收入下降元宇宙的所述需防止收入下降的人类对象和所述监测时空窗口对应的现实世界的显示装置或管理人员；
79.预设尺度监测时空窗口的收入下降风险监测模型定制步骤：将收入下降风险监测模型训练步骤和收入下降风险监测模型使用步骤中的监测时空窗口限定为预设的时空尺度，得到的收入下降风险监测模型作为所述预设时空尺度的收入下降风险监测模型；时空尺度包括时间长度和空间的大小；时间长度例如半年或一个月，空间的大小例如需防止收入下降的人类对象居住地的周围1000米以内；
80.多尺度监测时空窗口的收入下降风险监测模型定制步骤：通过设定多个预设的时空尺度，得到多个所述预设的时空尺度的收入下降风险监测模型；时空尺度越长的模型监测的结果越准确，但数据采集和计算的成本也越高、时间也越长。
81.多尺度监测时空窗口的收入下降风险监测模型选择步骤：根据所述需防止收入下降的人类对象的待监测收入下降风险特征的监测时空窗口的尺度选择最接近于所述尺度的所述预设时空尺度的收入下降风险监测模型进行所述需防止收入下降的人类对象在所述监测时空窗口中收入下降风险特征的预测；
82.预设特征窗口的收入下降风险监测模型定制步骤：将收入下降风险监测模型训练步骤和收入下降风险监测模型使用步骤中的收入下降风险的特征集合限定为预设的特征集合；所述预设的特征集合作为预设特征窗口；限定后得到的收入下降风险监测模型作为所述预设特征窗口的收入下降风险监测模型；预设的特征集合至少包括收入下降风险的直接特征，还可以包括更多层次的收入下降风险的特征，例如包括收入下降风险的直接特征、收入下降风险的深层特征，又例如将收入下降风险的直接特征称为收入下降风险的第一层
特征，将更深层特征成为收入下降风险的第一层特征、第二层特征、第三层特征、等等；
83.多尺度特征窗口的收入下降风险监测模型定制步骤：通过设定多个预设的特征窗口，得到多个所述预设的特征窗口的收入下降风险监测模型；特征窗口中包括的特征层次越多的模型监测的结果越能监测到收入下降风险的更深层次的特征，但数据采集和计算的成本也越高、时间也越长；监测到收入下降风险的更深层次的特征有利于收入下降风险的提前预测、预警和应对；
84.多特征窗口的收入下降风险监测模型选择步骤：根据所述需防止收入下降的人类对象的待监测收入下降风险特征的每一特征集合选择最接近于所述特征集合的所述预设特征窗口的收入下降风险监测模型进行所述需防止收入下降的人类对象在所述监测时空窗口中针对所述特征集合的收入下降风险特征的预测；
85.收入下降特征综合监测模型
86.收入下降特征综合监测模型训练步骤：获取防止收入下降总体时空范围中需防止收入下降的人类对象；获取所述需防止收入下降的人类对象的已知收入下降成因特征、症状特征、风险特征的监测时空窗口；所述监测时空窗口属于所述防止收入下降总体时空范围；若所述监测时空窗口不为空，则获取所述监测时空窗口内所述需防止收入下降的人类对象的相关数据和所述需防止收入下降的人类对象在所述监测时空窗口中的收入下降成因特征、症状特征、风险特征(所述需防止收入下降的人类对象在所述监测时空窗口中的收入下降成因特征、症状特征、风险特征允许有部分缺失)，作为收入下降特征综合监测模型的输入和预期输出对收入下降特征综合监测模型进行训练；所述收入下降成因特征、症状特征、风险特征属于收入下降成因特征、症状特征、风险特征集合；所述相关数据包括时空信息；
87.收入下降特征综合监测模型使用步骤：获取防止收入下降总体时空范围中需防止收入下降的人类对象；获取所述需防止收入下降的人类对象的待监测收入下降成因特征、症状特征、风险特征的监测时空窗口；所述监测时空窗口属于所述防止收入下降总体时空范围；获取所述监测时空窗口内所述需防止收入下降的人类对象的相关数据，作为收入下降特征综合监测模型的输入通过收入下降特征综合监测模型进行预测，得到的输出作为所述需防止收入下降的人类对象在所述监测时空窗口中的收入下降成因特征、症状特征、风险特征；所述相关数据包括时空信息；
88.收入下降风险展示步骤：将所述需防止收入下降的人类对象在所述监测时空窗口中的收入下降成因特征、症状特征、风险特征展示在防止收入下降元宇宙的所述需防止收入下降的人类对象在所述监测时空窗口对应的标记上；
89.收入下降风险反馈步骤：将所述需防止收入下降的人类对象在所述监测时空窗口中的收入下降成因特征、症状特征、风险特征反馈给防止收入下降元宇宙的所述需防止收入下降的人类对象和所述监测时空窗口对应的现实世界的显示装置或管理人员；
90.预设尺度监测时空窗口的收入下降特征综合监测模型定制步骤：将收入下降特征综合监测模型训练步骤和收入下降特征综合监测模型使用步骤中的监测时空窗口限定为预设的时空尺度，得到的收入下降特征综合监测模型作为所述预设时空尺度的收入下降特征综合监测模型；时空尺度包括时间长度和空间的大小；时间长度例如半年或一个月，空间的大小例如需防止收入下降的人类对象居住地的周围1000米以内；
91.多尺度监测时空窗口的收入下降特征综合监测模型定制步骤：通过设定多个预设的时空尺度，得到多个所述预设的时空尺度的收入下降特征综合监测模型；时空尺度越长的模型监测的结果越准确，但数据采集和计算的成本也越高、时间也越长。
92.多尺度监测时空窗口的收入下降特征综合监测模型选择步骤：根据所述需防止收入下降的人类对象的待监测收入下降成因特征、症状特征、风险特征的监测时空窗口的尺度选择最接近于所述尺度的所述预设时空尺度的收入下降特征综合监测模型进行所述需防止收入下降的人类对象在所述监测时空窗口中收入下降成因特征、症状特征、风险特征的预测；
93.预设特征窗口的收入下降特征综合监测模型定制步骤：将收入下降特征综合监测模型训练步骤和收入下降特征综合监测模型使用步骤中的收入下降成因特征、症状特征、风险特征集合限定为预设的特征集合；所述预设的特征集合作为预设特征窗口；限定后得到的收入下降特征综合监测模型作为所述预设特征窗口的收入下降特征综合监测模型；预设的特征集合至少包括收入下降风险的直接特征，还可以包括更多层次的收入下降成因特征、症状特征、风险特征，例如包括收入下降风险的直接特征、收入下降风险的深层特征，又例如将收入下降风险的直接特征称为收入下降风险的第一层特征，将更深层特征成为收入下降风险的第一层特征、第二层特征、第三层特征、等等；
94.多尺度特征窗口的收入下降特征综合监测模型定制步骤：通过设定多个预设的特征窗口，得到多个所述预设的特征窗口的收入下降特征综合监测模型；特征窗口中包括的特征层次越多的模型监测的结果越能监测到收入下降风险的更深层次的特征，但数据采集和计算的成本也越高、时间也越长；监测到收入下降风险的更深层次的特征有利于收入下降风险的提前预测、预警和应对；
95.多特征窗口的收入下降特征综合监测模型选择步骤：根据所述需防止收入下降的人类对象的待监测收入下降成因特征、症状特征、风险特征的每一特征集合选择最接近于所述特征集合的所述预设特征窗口的收入下降特征综合监测模型进行所述需防止收入下降的人类对象在所述监测时空窗口中针对所述特征集合的收入下降成因特征、症状特征、风险特征的预测；
96.收入下降演变趋势综合监测模型
97.收入下降特征综合监测模型训练步骤：获取防止收入下降总体时空范围中需防止收入下降的人类对象；获取所述需防止收入下降的人类对象的已知收入下降成因演变趋势、症状演变趋势、风险演变趋势的多个连续监测时空窗口；所述演变趋势是在所述多个连续监测时空窗口上随着监测时空窗口的移动而产生的演变趋势；所述多个连续监测时空窗口属于所述防止收入下降总体时空范围；若所述监测时空窗口不为空，则获取所述多个连续监测时空窗口内所述需防止收入下降的人类对象的相关数据，所述需防止收入下降的人类对象在所述多个连续监测时空窗口中的收入下降成因演变趋势、症状演变趋势、风险演变趋势(所述需防止收入下降的人类对象在所述监测时空窗口中的收入下降成因演变趋势、症状演变趋势、风险演变趋势允许有部分缺失)，作为收入下降演变趋势综合监测模型的输入和预期输出对收入下降演变趋势综合监测模型进行训练；所述收入下降成因演变趋势、症状演变趋势、风险演变趋势为收入下降成因的特征变化、症状的特征变化、风险的特征变化；所述相关数据包括时空信息；
98.收入下降特征综合监测模型使用步骤：获取防止收入下降总体时空范围中需防止收入下降的人类对象；获取所述需防止收入下降的人类对象的待监测收入下降成因演变趋势、症状演变趋势、风险演变趋势的多个连续监测时空窗口；所述多个连续监测时空窗口属于所述防止收入下降总体时空范围；获取所述多个连续监测时空窗口内所述需防止收入下降的人类对象的相关数据，作为收入下降演变趋势综合监测模型的输入，通过收入下降演变趋势综合监测模型进行预测，得到的输出作为所述需防止收入下降的人类对象在所述多个监测时空窗口中的收入下降成因演变趋势、症状演变趋势、风险演变趋势；所述相关数据包括时空信息；
99.收入下降风险展示步骤：将所述需防止收入下降的人类对象在所述多个连续监测时空窗口中的收入下降成因演变趋势、症状演变趋势、风险演变趋势展示在防止收入下降元宇宙的所述需防止收入下降的人类对象在所述多个连续监测时空窗口对应的标记上；
100.收入下降风险反馈步骤：将所述需防止收入下降的人类对象在所述多个连续监测时空窗口中的收入下降成因演变趋势、症状演变趋势、风险演变趋势反馈给防止收入下降元宇宙的所述需防止收入下降的人类对象和所述多个连续监测时空窗口对应的现实世界的显示装置或管理人员；
101.预设尺度监测时空窗口的收入下降演变趋势综合监测模型定制步骤：将收入下降演变趋势综合监测模型训练步骤和收入下降演变趋势综合监测模型使用步骤中的多个连续监测时空窗口限定为预设的时空尺度，得到的收入下降演变趋势综合监测模型作为所述预设时空尺度的收入下降演变趋势综合监测模型；时空尺度包括时间长度和空间的大小；时间长度例如半年或一个月，空间的大小例如需防止收入下降的人类对象居住地的周围1000米以内；
102.多尺度监测时空窗口的收入下降演变趋势综合监测模型定制步骤：通过设定多个预设的时空尺度，得到多个所述预设的时空尺度的收入下降演变趋势综合监测模型；时空尺度越长的模型监测的结果越准确，但数据采集和计算的成本也越高、时间也越长。
103.多尺度监测时空窗口的收入下降演变趋势综合监测模型选择步骤：根据所述需防止收入下降的人类对象的待监测收入下降成因演变趋势、症状演变趋势、风险演变趋势的多个连续监测时空窗口的尺度选择最接近于所述尺度的所述预设时空尺度的收入下降演变趋势综合监测模型进行所述需防止收入下降的人类对象在所述多个连续监测时空窗口中收入下降成因演变趋势、症状演变趋势、风险演变趋势的预测；
104.收入下降成因演变趋势监测模型构建步骤：将收入下降演变趋势综合监测模型训练步骤的预期输出和收入下降演变趋势综合监测模型使用步骤中的模型的输出从“所述需防止收入下降的人类对象在所述多个连续监测时空窗口中的收入下降成因演变趋势、症状演变趋势、风险演变趋势”更改为“所述需防止收入下降的人类对象在所述多个连续监测时空窗口中的收入下降成因演变趋势”，则得到收入下降成因演变趋势监测模型；
105.收入下降症状演变趋势监测模型构建步骤：将收入下降演变趋势综合监测模型训练步骤的预期输出和收入下降演变趋势综合监测模型使用步骤中的模型的输出从“所述需防止收入下降的人类对象在所述多个连续监测时空窗口中的收入下降成因演变趋势、症状演变趋势、风险演变趋势”更改为“所述需防止收入下降的人类对象在所述多个连续监测时空窗口中的收入下降症状演变趋势”，则得到收入下降症状演变趋势监测模型；
106.收入下降风险演变趋势监测模型构建步骤：将收入下降演变趋势综合监测模型训练步骤的预期输出和收入下降演变趋势综合监测模型使用步骤中的模型的输出从“所述需防止收入下降的人类对象在所述多个连续监测时空窗口中的收入下降成因演变趋势、症状演变趋势、风险演变趋势”更改为“所述需防止收入下降的人类对象在所述多个连续监测时空窗口中的收入下降风险演变趋势”，则得到收入下降风险演变趋势监测模型；
107.收入下降风险预测模型
108.收入下降风险预测模型训练步骤：获取防止收入下降总体时空范围中需防止收入下降的人类对象；获取所述需防止收入下降的人类对象的已知收入下降风险特征(所述收入下降风险的特征属于收入下降风险的特征集合；收入下降风险的特征包括每一收入下降风险的特征或无收入下降风险的特征；例如环境破坏的成因特征、环境污染的症状特征会导致大病的风险症状)的监测时空窗口和预测时空窗口(包括至少一个监测时空窗口和至少一个预测时空窗口)；所述监测时空窗口在时间上比所述预测时空窗口迟，所述监测时空窗口是所述预测时空窗口的过去，所述预测时空窗口是所述监测时空窗口的将来；所述监测时空窗口为所述需防止收入下降的人类对象的收入下降成因特征和症状特征的时空窗口；所述预测时空窗口为所述需防止收入下降的人类对象的收入下降风险特征的时空窗口；所述时空窗口属于所述防止收入下降总体时空范围；若所述时空窗口不为空，则获取所述监测时空窗口及其内所述需防止收入下降的人类对象的相关数据、收入下降成因特征和症状特征和所述需防止收入下降的人类对象在所述预测时空窗口及其中的收入下降风险的特征，作为收入下降风险预测模型的输入和预期输出对收入下降风险预测模型进行训练；
109.收入下降风险预测模型使用步骤：获取防止收入下降总体时空范围中需防止收入下降的人类对象；获取所述需防止收入下降的人类对象的待预测收入下降风险特征的监测时空窗口和预测时空窗口(包括至少一个监测时空窗口和至少一个预测时空窗口)；所述监测时空窗口和预测时空窗口属于所述防止收入下降总体时空范围；获取所述监测时空窗口及其内所述需防止收入下降的人类对象的相关数据、收入下降成因特征和症状特征，作为收入下降风险预测模型的输入通过收入下降风险预测模型进行预测，得到的输出作为所述需防止收入下降的人类对象在所述预测时空窗口及其中的收入下降风险的特征；
110.收入下降风险展示步骤：将所述需防止收入下降的人类对象在所述预测时空窗口中的收入下降风险的特征展示在防止收入下降元宇宙的所述需防止收入下降的人类对象在所述预测时空窗口对应的标记上；
111.收入下降风险反馈步骤：将所述需防止收入下降的人类对象在所述预测时空窗口中的收入下降风险的特征反馈给防止收入下降元宇宙的所述需防止收入下降的人类对象和所述预测时空窗口中的空间对应的现实世界的显示装置或管理人员(所述预测时空窗口中时间可以与现在不一致)；
112.预设尺度时空窗口的收入下降风险预测模型定制步骤：将收入下降风险预测模型训练步骤和收入下降风险预测模型使用步骤中的监测时空窗口限定为预设的监测时空尺度，预测时空窗口限定为预设的预测时空尺度,监测时空窗口与预测时空窗口的间距设定为预设的时空间隔(时空间隔的空间间隔一般为0或较小，时空间隔中的时间间隔大于0，例如预测在监测数据的一年之后，则时间间隔为1年)，作为预设时空模式，得到的收入下降风
险预测模型作为所述预设时空模式的收入下降风险预测模型；时空尺度包括时间长度和空间的大小；时间长度例如半年或一个月，空间的大小例如需防止收入下降的人类对象居住地的周围1000米以内；时空间隔例如一年；
113.多尺度时空窗口的收入下降风险预测模型定制步骤：通过设定多个预设的时空模式，得到多个所述预设的时空模式的收入下降风险预测模型。
114.多尺度时空窗口的收入下降风险预测模型选择步骤：根据所述需防止收入下降的人类对象的待监测收入下降风险特征的监测时空窗口和预测时空窗口选择最接近于所述监测时空窗口和预测时空窗口的所述预设时空模式的收入下降风险预测模型进行所述需防止收入下降的人类对象在所述监测时空窗口和预测时空窗口中收入下降风险特征的预测；
115.预设特征窗口的收入下降风险预测模型定制步骤：将收入下降风险预测模型训练步骤和收入下降风险预测模型使用步骤中的收入下降风险的特征集合限定为预设的特征集合；所述预设的特征集合作为预设特征窗口；限定后得到的收入下降风险预测模型作为所述预设特征窗口的收入下降风险预测模型；预设的特征集合至少包括收入下降风险的直接特征，还可以包括更多层次的收入下降风险的特征，例如包括收入下降风险的直接特征、收入下降风险的深层特征，又例如将收入下降风险的直接特征称为收入下降风险的第一层特征，将更深层特征成为收入下降风险的第一层特征、第二层特征、第三层特征、等等；
116.多尺度特征窗口的收入下降风险预测模型定制步骤：通过设定多个预设的特征窗口，得到多个所述预设的特征窗口的收入下降风险预测模型；特征窗口中包括的特征层次越多的模型监测的结果越能监测到收入下降风险的更深层次的特征，但数据采集和计算的成本也越高、时间也越长；监测到收入下降风险的更深层次的特征有利于收入下降风险的提前预测、预警和应对；
117.多特征窗口的收入下降风险预测模型选择步骤：根据所述需防止收入下降的人类对象的待预测收入下降风险特征的每一特征集合选择最接近于所述特征集合的所述预设特征窗口的收入下降风险预测模型进行所述需防止收入下降的人类对象在所述时空窗口中针对所述特征集合的收入下降风险特征的预测；
118.收入下降风险预警模型
119.收入下降风险预警模型训练步骤：获取防止收入下降总体时空范围中需防止收入下降的人类对象；获取所述需防止收入下降的人类对象的已知预警结果(预警结果包括不预警、预警、应对时限，其中不预警对应的应对时限为无穷大)的监测时空窗口和预测时空窗口(包括至少一个监测时空窗口和至少一个预测时空窗口)(所述应对时限迟于所述监测时空窗口的结束时间；所述应对时限可以早于或迟于所述预测时空窗口的开始时间)；所述监测时空窗口在时间上比所述预测时空窗口迟，所述监测时空窗口是所述预测时空窗口的过去，所述预测时空窗口是所述监测时空窗口的将来；所述监测时空窗口为所述需防止收入下降的人类对象的收入下降成因特征和症状特征的时空窗口；所述预测时空窗口为所述需防止收入下降的人类对象的收入下降风险特征的时空窗口；所述时空窗口属于所述防止收入下降总体时空范围；若所述时空窗口不为空，则获取所述监测时空窗口及其内所述需防止收入下降的人类对象的相关数据、收入下降成因特征和症状特征和所述需防止收入下降的人类对象在所述预测时空窗口及其中的收入下降风险的特征，所述需防止收入下降的
人类对象在所述预测时空窗口及其中的风险预警结果，作为收入下降风险预警模型的输入和预期输出对收入下降风险预警模型进行训练；
120.收入下降风险预警模型使用步骤：获取防止收入下降总体时空范围中需防止收入下降的人类对象；获取所述需防止收入下降的人类对象的待监测收入下降风险特征的监测时空窗口和预测时空窗口(包括至少一个监测时空窗口和至少一个预测时空窗口)；所述监测时空窗口和预测时空窗口属于所述防止收入下降总体时空范围；获取所述监测时空窗口及其内所述需防止收入下降的人类对象的相关数据、收入下降成因特征和症状特征和所述需防止收入下降的人类对象在所述预测时空窗口及其中的收入下降风险的特征，作为收入下降风险预警模型的输入通过收入下降风险预警模型进行预测，得到的输出作为所述需防止收入下降的人类对象在所述预测时空窗口及其中的收入下降风险预警结果；
121.收入下降风险预警展示步骤：将所述需防止收入下降的人类对象在所述预测时空窗口中的收入下降风险的预警展示在防止收入下降元宇宙的所述需防止收入下降的人类对象在所述预测时空窗口对应的标记上；
122.收入下降风险预警反馈步骤：将所述需防止收入下降的人类对象在所述预测时空窗口中的收入下降风险的预警反馈给防止收入下降元宇宙的所述需防止收入下降的人类对象和所述预测时空窗口中的空间对应的现实世界的显示装置或管理人员(所述预测时空窗口中时间可以与现在不一致)；
123.预设尺度时空窗口的收入下降风险预警模型定制步骤：将收入下降风险预警模型训练步骤和收入下降风险预警模型使用步骤中的监测时空窗口限定为预设的监测时空尺度，预测时空窗口限定为预设的预测时空尺度,监测时空窗口与预测时空窗口的间距设定为预设的时空间隔(时空间隔的空间间隔一般为0或较小，时空间隔中的时间间隔大于0，例如预测在监测数据的一年之后，则时间间隔为1年)，作为预设时空模式，得到的收入下降风险预警模型作为所述预设时空模式的收入下降风险预警模型；时空尺度包括时间长度和空间的大小；时间长度例如半年或一个月，空间的大小例如需防止收入下降的人类对象居住地的周围1000米以内；时空间隔例如一年；
124.多尺度时空窗口的收入下降风险预警模型定制步骤：通过设定多个预设的时空模式，得到多个所述预设的时空模式的收入下降风险预警模型。
125.多尺度时空窗口的收入下降风险预警模型选择步骤：根据所述需防止收入下降的人类对象的待预警收入下降风险的监测时空窗口和预测时空窗口选择最接近于所述监测时空窗口和预测时空窗口的所述预设时空模式的收入下降风险预警模型进行所述需防止收入下降的人类对象在所述监测时空窗口和预测时空窗口中收入下降风险特征的预警；
126.收入下降风险应对模型
127.收入下降风险应对模型训练步骤：获取防止收入下降总体时空范围中需防止收入下降的人类对象；获取所述需防止收入下降的人类对象的已知风险应对方案(风险应对方案包括应对的负责人、经办人、防止收入下降的人类对象、应对的时空窗口(应对时间范围、对应的空间范围)、面临的风险、应对目标、应对内容、应对路线、应对步骤、应对的预期效果；所述应对开始时间、应对预期结束时间在预警结果中的应对时限之内；所述风险应对方案包括解决风险之后的致富方案；所述致富的开始时间和预期结束时间可以在应对时限之内或之外，致富的开始时间迟于应对的开始时间，致富的预期结束时间可以早于或迟于应
对的结束时间；致富方案包括致富的负责人、经办人、致富的人类对象(致富的人类对象与防止收入下降的人类对象一致)、致富开始时间、致富预期结束时间、面临的挑战、致富目标、致富内容、致富路线、致富步骤、致富的预期效果；)的监测时空窗口和预测时空窗口(包括至少一个监测时空窗口和至少一个预测时空窗口)；所述监测时空窗口在时间上比所述预测时空窗口早，所述监测时空窗口是所述预测时空窗口的过去，所述预测时空窗口是所述监测时空窗口的将来；所述监测时空窗口为所述需防止收入下降的人类对象的收入下降成因特征和症状特征的时空窗口；所述预测时空窗口为所述需防止收入下降的人类对象的收入下降风险特征的时空窗口；所述时空窗口属于所述防止收入下降总体时空范围；若所述时空窗口不为空，则获取所述监测时空窗口及其内所述需防止收入下降的人类对象的相关数据、收入下降成因特征和症状特征、所述需防止收入下降的人类对象在所述预测时空窗口及其中的收入下降风险的特征、所述需防止收入下降的人类对象在所述预测时空窗口及其中的风险预警结果，所述需防止收入下降的人类对象在所述预测时空窗口及其中的风险应对方案，作为收入下降风险应对模型的输入和预期输出对收入下降风险应对模型进行训练；
128.收入下降风险应对模型使用步骤：获取防止收入下降总体时空范围中需防止收入下降的人类对象；获取所述需防止收入下降的人类对象的待监测收入下降风险特征的监测时空窗口和预测时空窗口(包括至少一个监测时空窗口和至少一个预测时空窗口)；所述监测时空窗口和预测时空窗口属于所述防止收入下降总体时空范围；获取所述监测时空窗口及其内所述需防止收入下降的人类对象的相关数据、收入下降成因特征和症状特征、所述需防止收入下降的人类对象在所述预测时空窗口及其中的收入下降风险的特征、所述需防止收入下降的人类对象在所述预测时空窗口及其中的风险预警结果，作为收入下降风险应对模型的输入通过收入下降风险应对模型进行预测，得到的输出作为所述需防止收入下降的人类对象在所述预测时空窗口及其中的风险应对方案；
129.收入下降风险应对展示步骤：将所述需防止收入下降的人类对象在所述预测时空窗口中的收入下降风险的应对方案展示在防止收入下降元宇宙的所述需防止收入下降的人类对象在所述预测时空窗口对应的标记上；
130.收入下降风险应对反馈步骤：将所述需防止收入下降的人类对象在所述预测时空窗口中的收入下降风险的应对方案反馈给防止收入下降元宇宙的所述需防止收入下降的人类对象和所述预测时空窗口中的空间对应的现实世界的显示装置或管理人员(所述预测时空窗口中时间可以与现在不一致)；
131.预设尺度时空窗口的收入下降风险应对模型定制步骤：将收入下降风险应对模型训练步骤和收入下降风险应对模型使用步骤中的监测时空窗口限定为预设的监测时空尺度，预测时空窗口限定为预设的预测时空尺度,监测时空窗口与预测时空窗口的间距设定为预设的时空间隔(时空间隔的空间间隔一般为0或较小，时空间隔中的时间间隔大于0，例如预测在监测数据的一年之后，则时间间隔为1年)，作为预设时空模式，得到的收入下降风险应对模型作为所述预设时空模式的收入下降风险应对模型；时空尺度包括时间长度和空间的大小；时间长度例如半年或一个月，空间的大小例如需防止收入下降的人类对象居住地的周围1000米以内；时空间隔例如一年；
132.多尺度时空窗口的收入下降风险应对模型定制步骤：通过设定多个预设的时空模
式，得到多个所述预设的时空模式的收入下降风险应对模型。
133.多尺度时空窗口的收入下降风险应对模型选择步骤：根据所述需防止收入下降的人类对象的待应对收入下降风险的监测时空窗口和预测时空窗口选择最接近于所述监测时空窗口和预测时空窗口的所述预设时空模式的收入下降风险应对模型进行所述每一人类在所述监测时空窗口和预测时空窗口中收入下降风险的应对；
134.收入下降风险预测预警应对综合模型
135.收入下降风险预测预警应对综合模型训练步骤：获取防止收入下降总体时空范围中需防止收入下降的人类对象；获取所述需防止收入下降的人类对象的已知收入下降风险特征(所述收入下降风险的特征属于收入下降风险的特征集合；收入下降风险的特征包括每一收入下降风险的特征或无收入下降风险的特征；例如成因特征“环境污染”、症状特征“大病”会导致风险特征“入不敷出”)、预警结果(预警结果包括不预警、预警、应对时限，其中不预警对应的应对时限为无穷大)、应对方案(风险应对方案包括应对的负责人、经办人、防止收入下降的人类对象、应对的时空窗口(应对时间范围、对应的空间范围)、面临的风险、应对目标、应对内容、应对路线、应对步骤、应对的预期效果；所述应对开始时间、应对预期结束时间在预警结果中的应对时限之内；所述风险应对方案包括解决风险之后的致富方案；所述致富的开始时间和预期结束时间可以在应对时限之内或之外，致富的开始时间迟于应对的开始时间，致富的预期结束时间可以早于或迟于应对的结束时间；致富方案包括致富的负责人、经办人、致富的人类对象(致富的人类对象与防止收入下降的人类对象一致))的监测时空窗口和预测时空窗口(包括至少一个监测时空窗口和至少一个预测时空窗口)；所述监测时空窗口在时间上比所述预测时空窗口迟，所述监测时空窗口是所述预测时空窗口的过去，所述预测时空窗口是所述监测时空窗口的将来；所述监测时空窗口为所述需防止收入下降的人类对象的收入下降成因特征和症状特征的时空窗口；所述预测时空窗口为所述需防止收入下降的人类对象的收入下降风险特征的预测时空窗口；所述时空窗口属于所述防止收入下降总体时空范围；若所述监测时空窗口和预测时空窗口不为空，则获取所述监测时空窗口及其内所述需防止收入下降的人类对象的相关数据、收入下降成因特征(可选)、收入下降症状特征(可选)、收入下降风险特征(可选)，所述需防止收入下降的人类对象在所述预测时空窗口及其中的收入下降风险特征、预警结果、应对时空窗口及其中的应对方案，作为收入下降风险预测预警应对综合模型的输入和预期输出对收入下降风险预测预警应对综合模型进行训练；
136.收入下降风险预测预警应对综合模型使用步骤：获取防止收入下降总体时空范围中需防止收入下降的人类对象；获取所述需防止收入下降的人类对象的待预测收入下降风险特征、预警结果、应对时空窗口及其中的应对方案的监测时空窗口和预测时空窗口(包括至少一个监测时空窗口和至少一个预测时空窗口)；所述监测时空窗口和预测时空窗口属于所述防止收入下降总体时空范围；获取所述监测时空窗口及其内所述需防止收入下降的人类对象的相关数据、收入下降成因特征(可选)、收入下降症状特征(可选)、收入下降风险特征(可选)，作为收入下降风险预测预警应对综合模型的输入通过收入下降风险预测预警应对综合模型进行预测，得到的输出作为所述需防止收入下降的人类对象在所述预测时空窗口及其中的收入下降风险特征、预警结果、应对时空窗口及其中的应对方案；
137.收入下降风险预测预警应对展示步骤：将所述需防止收入下降的人类对象在所述
预测时空窗口中的收入下降风险特征、预警结果、应对时空窗口及其中的应对方案展示在防止收入下降元宇宙的所述需防止收入下降的人类对象在所述预测时空窗口对应的标记上；
138.收入下降风险预测预警应对反馈步骤：将所述需防止收入下降的人类对象在所述预测时空窗口中的收入下降风险特征、预警结果、应对时空窗口及其中的应对方案反馈给防止收入下降元宇宙的所述需防止收入下降的人类对象和所述预测时空窗口中的空间对应的现实世界的显示装置或管理人员(所述预测时空窗口中时间可以与现在不一致)；
139.预设尺度时空窗口的收入下降风险预测预警应对综合模型定制步骤：将收入下降风险预测预警应对综合模型训练步骤和收入下降风险预测预警应对综合模型使用步骤中的监测时空窗口限定为预设的监测时空尺度，预测时空窗口限定为预设的预测时空尺度,监测时空窗口与预测时空窗口的间距设定为预设的时空间隔(时空间隔的空间间隔一般为0或较小，时空间隔中的时间间隔大于0，例如预测在监测数据的一年之后，则时间间隔为1年)，作为预设时空模式，得到的收入下降风险预测预警应对综合模型作为所述预设时空模式的收入下降风险预测预警应对综合模型；时空尺度包括时间长度和空间的大小；时间长度例如半年或一个月，空间的大小例如需防止收入下降的人类对象居住地的周围1000米以内；时空间隔例如一年；
140.多尺度时空窗口的收入下降风险预测预警应对综合模型定制步骤：通过设定多个预设的时空模式，得到多个所述预设的时空模式的收入下降风险预测预警应对综合模型。
141.多尺度时空窗口的收入下降风险预测预警应对综合模型选择步骤：根据所述需防止收入下降的人类对象的待监测收入下降风险特征、预警结果、应对时空窗口及其中的应对方案的监测时空窗口和预测时空窗口选择最接近于所述监测时空窗口和预测时空窗口的所述预设时空模式的收入下降风险预测预警应对综合模型进行所述需防止收入下降的人类对象在所述监测时空窗口和预测时空窗口中收入下降风险特征的预测、预警和应对；
142.收入下降风险预测预警应对演变趋势综合模型
143.收入下降风险预测预警应对演变趋势综合模型训练步骤：获取防止收入下降总体时空范围中需防止收入下降的人类对象；获取所述需防止收入下降的人类对象的已知收入下降风险演变趋势(所述收入下降风险的演变趋势属于收入下降风险的演变趋势集合；风险演变趋势例如“入不敷出程度加剧”)、预警结果演变趋势(例如，从预警级别提高)、应对方案演变趋势(例如应对的预期效果变差)的多个连续监测时空窗口和多个连续预测时空窗口；所述演变趋势是在所述多个连续预测时空窗口上随着预测时空窗口的移动而产生的演变趋势；所述多个连续监测时空窗口在时间上比所述多个连续预测时空窗口迟，所述多个连续监测时空窗口是所述多个连续预测时空窗口的过去，所述多个连续预测时空窗口是所述多个连续监测时空窗口的将来；所述多个连续监测时空窗口为所述需防止收入下降的人类对象的收入下降成因特征和症状特征的时空窗口；所述多个连续预测时空窗口为所述需防止收入下降的人类对象的收入下降风险特征的预测时空窗口；所述时空窗口属于所述防止收入下降总体时空范围；若所述监测时空窗口和预测时空窗口不为空，则获取所述多个连续监测时空窗口及其内所述需防止收入下降的人类对象的相关数据、收入下降成因特征演变趋势(可选)、收入下降症状特征演变趋势(可选)、收入下降风险特征演变趋势(可选)，所述需防止收入下降的人类对象在所述多个连续预测时空窗口及其中的收入下降风
险演变趋势、预警结果演变趋势、应对时空窗口及其中的应对方案演变趋势，作为收入下降风险预测预警应对演变趋势综合模型的输入和预期输出对收入下降风险预测预警应对演变趋势综合模型进行训练；
144.收入下降风险预测预警应对演变趋势综合模型使用步骤：获取防止收入下降总体时空范围中需防止收入下降的人类对象；获取所述需防止收入下降的人类对象的待预测收入下降风险演变趋势、预警结果演变趋势、应对时空窗口及其中的应对方案演变趋势的多个连续监测时空窗口和多个连续预测时空窗口；所述多个连续监测时空窗口和多个连续预测时空窗口属于所述防止收入下降总体时空范围；获取所述多个连续监测时空窗口及其内所述需防止收入下降的人类对象的相关数据、收入下降成因特征演变趋势(可选)、收入下降症状特征演变趋势(可选)、收入下降风险特征演变趋势(可选)，作为收入下降风险预测预警应对演变趋势综合模型的输入通过收入下降风险预测预警应对演变趋势综合模型进行预测，得到的输出作为所述需防止收入下降的人类对象在所述多个连续预测时空窗口及其中的收入下降风险演变趋势、预警结果演变趋势、应对时空窗口及其中的应对方案演变趋势；
145.收入下降风险预测预警应对演变趋势展示步骤：将所述需防止收入下降的人类对象在所述多个连续预测时空窗口中的收入下降风险演变趋势、预警结果演变趋势、应对时空窗口及其中的应对方案演变趋势展示在防止收入下降元宇宙的所述需防止收入下降的人类对象在所述多个连续预测时空窗口对应的标记上；
146.收入下降风险预测预警应对演变趋势反馈步骤：将所述需防止收入下降的人类对象在所述多个连续预测时空窗口中的收入下降风险演变趋势、预警结果演变趋势、应对时空窗口及其中的应对方案演变趋势反馈给防止收入下降元宇宙的所述需防止收入下降的人类对象和所述多个连续预测时空窗口中的空间对应的现实世界的显示装置或管理人员(所述多个连续预测时空窗口中时间可以与现在不一致)；
147.预设尺度时空窗口的收入下降风险预测预警应对演变趋势综合模型定制步骤：将收入下降风险预测预警应对演变趋势综合模型训练步骤和收入下降风险预测预警应对演变趋势综合模型使用步骤中的多个连续监测时空窗口限定为预设的监测时空尺度，多个连续预测时空窗口限定为预设的预测时空尺度,多个连续监测时空窗口与多个连续预测时空窗口的间距设定为预设的时空间隔(时空间隔的空间间隔一般为0或较小，时空间隔中的时间间隔大于0，例如预测在监测数据的一年之后，则时间间隔为1年)，作为预设时空模式，得到的收入下降风险预测预警应对演变趋势综合模型作为所述预设时空模式的收入下降风险预测预警应对演变趋势综合模型；时空尺度包括时间长度和空间的大小；时间长度例如半年或一个月，空间的大小例如需防止收入下降的人类对象居住地的周围1000米以内；时空间隔例如一年；
148.多尺度时空窗口的收入下降风险预测预警应对演变趋势综合模型定制步骤：通过设定多个预设的时空模式，得到多个所述预设的时空模式的收入下降风险预测预警应对演变趋势综合模型。
149.多尺度时空窗口的收入下降风险预测预警应对演变趋势综合模型选择步骤：根据所述需防止收入下降的人类对象的待监测收入下降风险演变趋势、预警结果演变趋势、应对时空窗口及其中的应对方案演变趋势的多个连续监测时空窗口和多个连续预测时空窗
口选择最接近于所述多个连续监测时空窗口和多个连续预测时空窗口的所述预设时空模式的收入下降风险预测预警应对演变趋势综合模型进行所述需防止收入下降的人类对象在所述多个连续监测时空窗口和多个连续预测时空窗口中收入下降风险的预测、预警和应对的演变趋势预测；
150.应对方案优选步骤：根据所述需防止收入下降的人类对象在所述多个连续监测时空窗口和多个连续(通过收入下降风险预测预警应对演变趋势综合模型)预测时空窗口中收入下降风险的特征、预警和应对方案的演变趋势，从应对的演变趋势中获取最好应对预期效果对应的预测时空窗口，作为优选预测时空窗口；应对预期效果与应对后的富裕水平、应对后的富裕可持续预期时长、应对的结束时间距离现在的时长成正比；根据所述需防止收入下降的人类对象在所述多个连续监测时空窗口和所述优选预测时空窗口(通过收入下降风险预测预警应对综合模型)进行时空窗口中收入下降风险的预测、预警和应对方案建议。
151.本发明的其他实施例
152.如图4所示，如果一个人的肝炎是由经常大量喝酒引起的，经过吃药虽然消除了肝炎的症状，指标转为阴性，但如果这个人在防止复发的过程中，只关注检查指标的阴阳，一旦有转阳的倾向就继续吃药，必然会导致这个人防治成本太高，而且会导致每次复发时症状越来越严重，越来越难治。同样的道理，如图5所示，如果一个人的防止收入下降，不考虑根本原因，只是针对症状，虽然能够一时防止收入下降，但根本原因会继续发展，使得下次复发时更为严重，防止收入下降的成本也就越来越高。例如，如果一个人收入下降的症状是大病，那么如果只考虑大病，给其医疗补贴，虽然能防止收入下降，但如果不找这个人得大病的根本原因，可能会导致这个人病治好之后将来仍然会得更大的病，如果找到其根本原因，使得这个人平时能注意保健，就能更好地防止这个人收入下降。
153.如图6所示，一个人如果天天吃药，虽然能防止生病，但成本太高，负担不起医药费时必然就又会生病；而如果这个人懂得健康饮食、改善生活习惯、锻炼身体，就能提高自身的免疫力进而预防疾病的复发。同样的道理，如图7所示，防止收入下降应对时，如果只是救济，虽然能提高人们的收入，但是授人以鱼，救济的“鱼”吃完了又需要继续救济，就会使得防止收入下降应对的成本太高，社会负担越来越大，最终“坐吃山空”地消耗掉富余的救济资源后就会无法继续防止收入下降，进而使得人们又会陷入贫困。防止收入下降的过程中，人们不应是被动地被救济，而应是主动地自救，所以要授人以鱼地教会人们自救“捕鱼”的办法、给人们创造自救“捕鱼”的环境“鱼塘”，自救的下一步必然就是自主致富，这样防止收入下降就成了通向致富的前奏，致富就成了防止收入下降的下一步必然结果。
154.如图8所示，一个人如果有缺乏健康常识的深层原因就会导致有不良生活习惯的直接原因，一个人如果潜在症状的小病不治就会拖成明显症状的大病。同样的道理，如图9所示，复发原因的直接原因会导致复发症状，而深层原因会导致直接原因。复发症状的明显症状产生之前也会出现潜在症状，潜在症状相对明显症状来说不明显。例如大病是收入下降的明显症状，而小病往往会被忽略，所以是收入下降的潜在症状，但小病不治或拖延也会成为大病，因此潜在症状如果得到重视就能提前防止收入下降的发生，应对的成本也就越低，因为小病治疗的成本远远小于大病治疗的成本。其他收入下降症状的应对同样如此，当潜在症状发展为明显症状时，问题必然更为严重，所以应对的成本也就越高，所以提前应对
可以极大地降低防止收入下降应对的成本。在治标的同时也需要治本，否则即使症状消除了，在将来收入下降的原因还会诱发收入下降。在对收入下降原因的应对时，如果消除了直接原因，那么深层原因在将来又会发展为直接原因，进而诱发收入下降症状，深层原因可能在很久之后才会诱发收入下降，不过是迟早的事情，所以提前应对深层原因，就能将收入下降的风险降到最低，同时根除了深层原因，也是为振兴与致富创造“土壤”。
155.如图10所示，一个人疾病复发可能是因为饮食习惯不好导致的营养不良，也可能是因为环境破坏导致的空气污染，如果忽略了内因或外因、个人症状或环境症状往往都会导致疾病复发。同样的道理，如图11所示，防止收入下降时，既需要监测和应对个人原因和症状，也需要监测和应对自身症状和外界症状，只有这样才能消除自身的收入下降原因和症状，也能消除外界能影响自身的收入下降原因和症状，进而达到有效防止的效果。
156.正如防止疾病复发时的监测的深度、广度和长度(如图12)，如图13，在进行收入下降的监测预警时，监测的成本与监测的深度、广度、长度的乘积成正比，当成本有限时，监测的深度、广度、长度往往此长彼消，例如如果监测得过于精细，就无法覆盖太多地方，也无法做到全时监测。所以在监测成本有限时，需要选取合适的深度、广度、长度，使得监测的结果能够预测出收入下降的概率，进而为预警和应对提供依据。监测的深度包括时间的精细度，例如一天监测一次或一个月监测一次；还包括空间的精细度，例如一个村作为一个监测区域或一个镇作为一个监测区域；还包括对象的精细度，例如一个人作为一个监测对象或一家人作为一个监测对象。监测的广度包括时间的范围，例如监测一年或三年；还包括空间的范围，例如10万个村或100万个村；还包括对象的精细度，例如100万个人或1000万个人。监测的长度包括监测的环节，例如深层原因-浅层原因-直接原因、初期潜在症状-后期潜在症状-直接症状，监测的长度越长，就越能在尽早的环节上发现收入下降问题。例如，如果只监测直接症状，那么只有直接症状发生时，才能进行预测，而如果监测初期潜在症状-后期潜在症状-直接症状，那么一旦监测到初期潜在症状就能够进行预测，从而能够提前预测出收入下降的概率。
157.如图14所示，一个人防止旧病复发的最好途径就是防患于未然，首选是监测并防治病因，次选是监测并防治病症，末选是发现生病后再住院。同样的道理，如图15所示，收入下降的诱发机制是从收入下降成因到收入下降症状直接收入下降风险的途径。收入下降成因、收入下降症状、收入下降风险的特征可以通过监测获得，但收入下降成因和收入下降症状的特征无法直接用于判断是否会收入下降，因为同样的收入下降成因和症状对不同人的影响不同，有的人可能会在其影响下收入下降，有的人则可能不受其影响，例如一个很富有的人，即使遇到了自然灾害或大病，也不会收入下降，但收入下降成因和收入下降症状可以用于预测未来的收入下降风险，这种预测的方式可以通过收入下降的演变趋势来进行推理。收入下降的特征和演变趋势可以通过专家总结，也可以通过机器学习模型和深度学习模型从现实数据中总结。收入下降并接近贫困临界点、两不愁三保障出现困难是收入下降风险的特征，可以直接监测用于评估收入下降的风险，但此时才应对，已经是亡羊补牢，虽然为时未晚，但需要付出更多的成本和代价，所以在监测到收入下降成因还未形成收入下降症状时进行收入下降风险预测并根据情况进行预警和应对，要优于在监测到收入下降症状还未形成收入下降风险时进行收入下降风险预测并根据情况进行预警和应对，要优于监测到收入下降风险才进行预警和应对。
158.以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，则对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。