摘要
本申请公开了一种银行网点人流量预测方法及相关装置,涉及人工智能技术领域,融合实时人流量数据和关联数据得到高维特征的实时时间序列,采用改进的DTW算法从历史时间序列分类集中确定与实时时间序列相似程度最高的子时间序列分类集,然后将实时时间序列输入到与该子时间序列分类集对应的人流量预测模型中,得到人流量预测结果。本申请中在子历史时间序列分类集的选择、时间序列聚类模型的训练与使用,以及人流量预测模型的更新过程中都应用到了改进后的DTW算法,该算法考虑到了时间序列之间位置的远近程度以及方向的相似程度,提高时间序列之间的相似度的计算精度,从而能够提高整个银行网点人流量预测的预测精度。
技术关键词
人流量预测方法
人流量数据
序列
动态时间规整
DTW算法
计算机可读指令
聚类
模型更新
注意力机制
电子设备
计算机存储介质
存储计算机程序
人工智能技术
计算机程序产品
处理器
度量
存储器
系统为您推荐了相关专利信息
高斯混合模型
序列
机器人状态信息
轨迹
机器人模仿学习
储能模块
储能控制策略
生成方法
控制优化装置
储能运行状态
光伏储能设备
时序
故障检测方法
卷积神经网络模型
参数
网络流量预测模型
序列
网络流量预测方法
模块
注意力模型