基于深度学习的特征交叉电梯困人时间序列预测模型构建方法、所得模型及预测方法

摘要

本发明涉及基于深度学习的特征交叉电梯困人时间序列预测模型构建方法、所得模型及预测方法。该构建方法包括将历史信息数据组成时间序列，将输入信息传入单层全连接层转换为初级抽象特征，特征交互，传入LSTM神经网络并获得综合时序抽象特征，传入全连接层并转换为预测困人概率，以交叉熵损失函数计算预测损失，并通过反向传播更新LSTM神经网络参数以训练模型。该预测方法包括采用构建方法获得多个预测模型，利用侧重点略有差别的多个预测模型进行综合处理并得到综合困人概率作为预测结果。本发明能在缺少电梯组件实时运行数据的前提下，仅使用电梯的历史记录数据，抽取电梯的时序特征，预测电梯在下一个时间点的困人概率。