基于深度学习的城市危险废物产生量预测方法和装置与流程

本技术涉及固废利用规划，更具体地说，是涉及一种基于深度学习的城市危险废物产生量预测方法和装置。

背景技术：

1、对城市固废进行高效的资源化利用是城市发展中的重要问题。其中，危险固废包括化学品和化学制品(例如电池、药品、油漆、农药等固废)、工业废物(例如矿物油、溶剂、金属加工废物、电镀废物等固废)、电子废物(例如电脑、手机、电视等电子产品固废)和医疗废物(例如感染性废物、病理废物、化学废物等固废)。如何对危险固废回收利用是固废资源化利用中的关键问题，因此对危险固废的产生进行预测，是对后续危险固废的高效回收利用的关键环节。

2、专利申请cn113761801a(申请号：cn202111051983.8)提供了一种电子固废产生量智能预测方法，包括获取待预测地区与电子固废产生量相关的历史数据，将历史数据随机划分为训练集和测试集；利用训练集建立电子固废产生量机理模型，对机理模型进行求解，得到机理模型的输出预测序列；对机理模型输出预测序列与实际的电子固废产生量之间的误差进行智能补偿，得到电子固废产生量智能预测结果。专利申请cn113761801a中的电子固废产生量智能预测方法能够对机理模型的建模误差进行智能补偿，但是该固废产生量的智能预测方法不能对突然事件等情况下的固废产生量的波动进行合理预测。

技术实现思路

1、本技术的目的是提供一种基于深度学习的城市危险废物产生量预测方法和装置，解决了不能对突然事件等情况下的固废产生量的波动进行合理预测的技术问题，达到了对危险固废产生量的波动进行合理预测的技术效果。

2、本技术实施例提供的一种基于深度学习的城市危险废物产生量预测方法，方法包括：获取目标区域内的每个危险固废产生单位在时序上危险固废的时序产生量和时序产生量增幅；其中，每个时间段内获取时序产生量增幅的时间间隔小于获取时序产生量的时间间隔；通过危险固废时序产生量预测模型，根据每个危险固废产生单位的危险固废在时序上的时序产生量，确定每个危险固废产生单位的预测时序产生量；通过危险固废时序产生量修正模型，根据每个危险固废产生单位的时序产生量和时序产生量增幅，确定每个危险固废产生单位的目标时序产生量，将目标区域内所有危险固废产生单位的目标时序产生量的和作为目标区域的危险固废产生量的预测结果。

3、在一种可能的实现方式中，方法还包括：获取目标危险固废产生单位的时序产生量增幅大于预设时序产生量增幅的第一突变时间点，并获取目标危险固废产生单位在第一突变时间点后的时序产生量增幅；当目标危险固废产生单位在第一突变时间点后的时序产生量增幅满足预设增幅条件时，在时序产生量增幅中保留第一突变时间点处的时序产生量增幅；当目标危险固废产生单位在第一突变时间点后的时序产生量增幅不满足预设增幅条件时，通过历史时序产生量增幅替代第一突变时间点处的时序产生量增幅。

4、在另一种可能的实现方式中，预设增幅条件包括：目标危险固废产生单位在第一突变时间点处和第一突变时间点后的时序产生量增幅的平均值和预设时序产生量增幅的差值小于预设增幅差值。

5、在另一种可能的实现方式中，方法还包括：获取目标危险固废产生单位的时序产生量增幅大于预设时序产生量增幅的预设倍数的第二突变时间点；当目标危险固废产生单位在第二突变时间点后时序产生量增幅的均值和预设时序产生量增幅的差值大于或等于预设倍数的预设增幅差值时，将目标危险固废产生单位在第二突变时间点后的时序产生量作为修正时序产生量，将目标危险固废产生单位的在第二突变时间点后的时序产生量增幅作为修正时序产生量增幅；通过危险固废时序产生量预测模型，根据修正时序产生量，确定目标危险固废产生单位的修正预测时序产生量；通过危险固废时序产生量修正模型，根据修正预测时序产生量和修正时序产生量增幅，确定目标危险固废产生单位的修正目标时序产生量。

6、在另一种可能的实现方式中，方法还包括：当目标危险固废产生单位的时序产生量增幅大于预设倍数的预设时序产生量增幅时，获取目标危险固废产生单位产生的危险固废对应的目标类型，获取目标区域内产生目标类型的危险固废的危险固废产生单位集合，并获取危险固废产生单位集合中的所有危险固废产生单位的目标类型的危险固废的第一时序总产生量；通过危险固废时序总产生量预测模型，根据第一时序总产生量，确定危险固废产生单位集合的目标类型的危险固废的第一预测时序产生量；并对目标区域内除目标类型以外的类型的危险固废的进行危险固废产生量预测，得到除目标类型以外的类型的危险固废的第二预测时序产生量；将第一预测时序产生量和第二预测时序产生量的和作为目标区域的目标时序总产生量。

7、在另一种可能的实现方式中，获取危险固废产生单位集合中的所有危险固废产生单位的目标类型的危险固废的第一时序总产生量，包括：获取目标危险固废产生单位的目标类型的危险固废的时序产生量增幅大于预设时序产生量增幅的预设倍数的第二突变时间点，获取危险固废产生单位集合中的所有危险固废产生单位从第二突变时间点开始的目标类型的危险固废的第一时序总产生量；通过危险固废时序总产生量预测模型，根据第一时序总产生量，确定危险固废产生单位集合的目标类型的危险固废的第一预测时序产生量，包括：从第二突变时间点开始，通过危险固废时序总产生量预测模型，根据第一时序总产生量，确定危险固废产生单位集合的目标类型的危险固废的第一预测时序产生量。

8、在另一种可能的实现方式中，方法还包括：当目标危险固废产生单位的时序产生量增幅大于预设时序产生量增幅的预设倍数时，获取目标危险固废产生单位产生的目标类型的危险固废对应的相关危险固废，并获取产生相关危险固废的相关危险固废产生单位集合，并确定目标类型的危险固废和相关危险固废的相关因子；其中，相关危险固废包括目标类型的危险固废的上游危险固废和下游危险固废；通过危险固废时序总产生量预测模型，根据相关危险固废产生单位集合的相关危险固废在时序上的时序总产生量，确定相关危险固废产生单位集合的预测时序产生量。

9、在另一种可能的实现方式中，确定目标类型的危险固废和相关危险固废的相关因子，包括：获取目标产生量的目标类型的危险固废对应的相关危险固废的相关产生量，将相关产生量和目标产生量的比值作为相关因子。

10、本技术实施例还提供了一种基于深度学习的城市危险废物产生量预测装置，包括用于执行上述任一项的方法的单元。

11、本技术实施例还提供了一种基于深度学习的城市危险废物产生量预测装置，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，处理器执行计算机程序时实现如上任一项所述的方法。

12、本技术实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时实现如上任一项所述的方法。

13、本技术实施例还提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现如上任一项所述的方法的步骤。

14、本技术实施例与现有技术相比存在的有益效果是：

15、本技术实施例提供了一种基于深度学习的城市危险废物产生量预测方法，本方法包括：获取目标区域内的每个危险固废产生单位在时序上危险固废的时序产生量和时序产生量增幅；通过危险固废时序产生量预测模型，根据每个危险固废产生单位的危险固废在时序上的时序产生量，确定每个危险固废产生单位的预测时序产生量；通过危险固废时序产生量修正模型，根据每个危险固废产生单位的时序产生量和时序产生量增幅，确定每个危险固废产生单位的目标时序产生量，将目标区域内所有危险固废产生单位的目标时序产生量的和作为目标区域的危险固废产生量的预测结果。本技术实施例中的方法能够确定每个危险固废产生单位的预测时序产生量，并能能够根据每个危险固废产生单位的时序产生量和时序产生量增幅，确定每个危险固废产生单位的目标时序产生量，目标时序产生量为根据时序产生量增幅修正后的危险固废产生量，提高了危险固废产生量预测的准确度。

技术特征：

1.一种基于深度学习的城市危险废物产生量预测方法，其特征在于，所述方法包括：

2.如权利要求1所述的方法，其特征在于，所述方法还包括：

3.如权利要求2所述的方法，其特征在于，所述预设增幅条件包括：目标危险固废产生单位在第一突变时间点处和第一突变时间点后的时序产生量增幅的平均值和预设时序产生量增幅的差值小于预设增幅差值。

4.如权利要求3所述的方法，其特征在于，所述方法还包括：

5.如权利要求4所述的方法，其特征在于，所述方法还包括：

6.如权利要求5所述的方法，其特征在于，获取危险固废产生单位集合中的所有危险固废产生单位的目标类型的危险固废的第一时序总产生量，包括：

7.一种基于深度学习的城市危险废物产生量预测装置，其特征在于，包括用于执行权利要求1至6中任一项所述的方法的单元。

8.一种基于深度学习的城市危险废物产生量预测装置，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至6中任一项所述的方法。

9.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6中任一项所述的方法。

10.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。

技术总结
本申请涉及固废利用规划领域，公开了一种基于深度学习的城市危险废物产生量预测方法，本方法包括：获取目标区域内的每个危险固废产生单位在时序上危险固废的时序产生量和时序产生量增幅；通过危险固废时序产生量预测模型，根据每个危险固废产生单位的危险固废在时序上的时序产生量，确定每个危险固废产生单位的预测时序产生量；根据每个危险固废产生单位的时序产生量和时序产生量增幅，确定每个危险固废产生单位的目标时序产生量，将目标区域内所有危险固废产生单位的目标时序产生量的和作为目标区域的危险固废产生量的预测结果。本申请能够对危险固废产生量的波动进行合理预测，提高了危险固废产生量的预测准确度。

技术研发人员：赵伟,刘奇,徐道广,徐辉
受保护的技术使用者：广州市广源物联科技有限公司
技术研发日：
技术公布日：2024/12/5