基于LSTM多变量时序预测的节假日生活垃圾产量反演方法

技术特征：
1.基于lstm多变量时序预测的节假日生活垃圾产量反演方法，其特征在于所述方法具体过程为：s1、将待预测时间点的特征数据输入到生活垃圾反演分析模型中获得待预测时间点的垃圾总产量；所述待预测时间点的特征数据包括：月、年份、经济总值与三类产业总值、人口、节假日；所述生活垃圾反演分析模型为lstm模型；s2、构建逆转差分函数与逆转minmaxscaler函数，将s1获得的待预测时间点的垃圾总产量输入逆转差分函数与逆转minmaxscaler函数中，获得预测时间点的每类垃圾月产量；垃圾类型包括：垃圾、湿垃圾、有害垃圾、其他垃圾。2.根据权利要求1所述的基于lstm多变量时序预测的节假日生活垃圾产量反演方法，其特征在于：所述生活垃圾最优反演分析模型通过以下方式获得：步骤一、获取研究区域垃圾产量预测数据集；步骤二、利用步骤一获取的研究区域垃圾产量预测数据集获取以月为尺度波动的产量预测反演分析自变量构成的数据集；步骤三、利用步骤二获得的以月为尺度波动的产量预测反演分析自变量构成的数据集获取以年为尺度波动的反演分析自变量构成的数据集；步骤四、构建反演分析模型，利用步骤三获得的以年为尺度波动的反演分析自变量构成的数据集训练反演分析模型获取训练好的反演分析模型，并对训练好的反演分析模型进行测试和验证，获得生活垃圾反演分析模型。3.根据权利要求2所述的基于lstm多变量时序预测的节假日生活垃圾产量反演方法，其特征在于：所述步骤一中的获取研究区域垃圾产量预测数据集，包括以下步骤：步骤一一、获取研究区域相关数据集；所述研究区域相关数据集包括：同等时间长度研究区域的各级区县行政区划数据、区县名称、年度人口数据、年度经济数据、分区分月的干垃圾、湿垃圾、有害垃圾、其他垃圾的分类产量数据；步骤一二、将研究区域相关数据集基于时间关系进行数据索引获得研究区域垃圾产量预测数据集。4.根据权利要求3所述的基于lstm多变量时序预测的节假日生活垃圾产量反演方法，其特征在于：所述步骤二中的利用步骤一获取的研究区域垃圾产量预测数据集获取以月为尺度波动的产量预测反演分析自变量，包括以下步骤：步骤二一、利用one-hot独热编码方法将研究区域垃圾产量预测数据集中研究区域的区县名称对应的数据列从类别变量转化为数值变量获得转换后的研究区域垃圾产量预测数据集a；步骤二二、基于数据时间数据索引，将月份、该月所在季节、该月包含节日、该月包含天数作为分析变量加入数据集a获得以月为尺度波动的预测数据集；该月包含节日类型为数值变量。5.根据权利要求4所述的基于lstm多变量时序预测的节假日生活垃圾产量反演方法，其特征在于：所述步骤三中的利用步骤二获得的以月为尺度波动的产量预测反演分析自变
量构成的数据集获取以年为尺度波动的反演分析自变量构成的数据集，具体为：将研究区域全年的经济生产总值、三类产业总值、人口与以月为尺度波动的产量预测反演分析自变量构成的数据集共同组成以年为尺度波动的反演分析自变量构成的数据集。6.根据权利要求5所述的基于lstm多变量时序预测的节假日生活垃圾产量反演方法，其特征在于：所述步骤四中的构建反演分析模型，利用步骤三获得的以年为尺度波动的反演分析自变量构成的数据集训练反演分析模型，获取训练好的反演分析模型，并对训练好的反演分析模型进行测试和验证，获得生活垃圾反演分析模型，包括以下步骤：步骤四一、计算以年为尺度波动的反演分析自变量构成的数据集中各个特征的差分转化值，获得生活垃圾差分影响数据列；步骤四二、对生活垃圾差分影响数据列中的所有数据进行量纲标准归一化操作，获得归一化后的生活垃圾差分影响数据列；步骤四三、将归一化后的生活垃圾差分影响数据列划分为训练集、测试集、验证集；步骤四四、构建lstm模型，利用训练集对lstm模型拟合训练获得训练好的反演分析模型；步骤四五、利用测试集采用k-fold的5叉验证方法，以mape为目标参数，对训练好的反演分析模型进行迭代优化测试，mape最小的反演分析模型即为最优反演分析模型；步骤四六、将验证集中的特征输入最优反演分析模型，获得验证结果并计算验证mape值，当mape≥20％时，对模型进行超参数调优直至mape<20％，获得生活垃圾反演分析模型。7.根据权利要求6所述的基于lstm多变量时序预测的节假日生活垃圾产量反演方法，其特征在于：所述步骤四二中的对生活垃圾差分影响数据列中的所有数据进行量纲标准归一化操作采用minmaxscaler函数。8.根据权利要求7所述的基于lstm多变量时序预测的节假日生活垃圾产量反演方法，其特征在于：所述步骤四三中的训练集：测试集：验证集＝6:3:1。9.根据权利要求8所述的基于lstm多变量时序预测的节假日生活垃圾产量反演方法，其特征在于：所述步骤四四中的lstm模型神经元个数为4、训练次数为3。10.基于lstm多变量时序预测的节假日生活垃圾产量反演系统，其特征在于：所述系统用于实现权利要求1-9任一项所述的基于lstm多变量时序预测的节假日生活垃圾产量反演方法。

技术总结
基于LSTM多变量时序预测的节假日生活垃圾产量反演方法，涉及市政工程、环境工程、遥感技术、数学建模与计算机技术交叉领域。本发明是为了解决目前的垃圾产量预测方法无法预测各个种类的垃圾产量从而导致预测节假日垃圾产量准确率低进而无法合理安排节假日垃圾处理装置的问题。本发明包括：将待预测时间点的特征数据输入最优反演分析模型中获得待预测时间点的垃圾总产量；待预测时间的特征数据包括：月、年份、经济总值与三类产业总值、人口、节假日；构建逆转差分函数与逆转MinMaxScaler函数，将待预测时间点的垃圾总产量输入逆转差分函数与逆转MinMaxScaler函数中，获得预测时间点的每类垃圾月产量。本发明用于细化预测各个类型垃圾的产量。类型垃圾的产量。类型垃圾的产量。


技术研发人员：田禹 赵天瑞 左薇 黎彦良
受保护的技术使用者：哈尔滨工业大学
技术研发日：2022.04.18
技术公布日：2022/7/12