(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211222533.5 (22)申请日 2022.10.08 (71)申请人 北京化工大 学 地址 100029 北京市朝阳区北三环东路15 号 (72)发明人 谢鹏程　陈晓峰　党开放　王新铭　 钤旭　钱育浩　 (51)Int.Cl. G06Q 10/06(2012.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06Q 50/26(2012.01) (54)发明名称 一种基于LSTM的生活垃圾投放趋势智能预 测方法 (57)摘要 本发明公开一种基于LSTM的生活垃圾投放 趋势智能预测方法， 包括以下步骤： 步骤1： 采集 数据， 通过智能垃圾收运设备获取每次垃圾投放 量和投放时间， 通过爬虫的方式获取国家节假日 信息、 气候信息以及温度信息； 步骤2： 数据预处 理， 对获取的多类数据建立序列数据集， 并进行 归一化处理； 步骤3： 建立模型， 建立生活垃圾投 放LSTM网络预测模型， 并利用历史数据对其进行 训练； 步骤4： 模型预测， 利用模型对垃圾投放趋 势进行预测； 步骤5： 对预测的结果进行评价分 析， 验证预测的有效性。 本发明通过建立垃圾投 放规律预测模型， 预测未来24小时的垃圾投放规 律， 方便环卫企业、 环卫部门、 小区物业等以此模 型作为参考及时得对垃圾收运作业进行安排， 快 速清运垃圾。 权利要求书2页 说明书4页 附图3页 CN 115545473 A 2022.12.30 CN 115545473 A 1.一种基于LSTM的生活垃圾投放趋势智能预测方法， 其特征在于包括以下步骤： 步骤 1： 采集数据， 通过智能垃圾收运设备获取每次垃圾投放量和投放时间， 通过爬虫的方式获 取国家节假日信息、 气候信息以及温度信息； 步骤2： 数据预 处理， 对获取的多类数据建立序 列数据集， 并进行归一化处理； 步骤3： 建立模型， 建立生活垃圾投放LSTM网络预测模型， 并 利用历史数据对其进 行训练； 步骤4： 模 型预测， 利用模型对垃圾投放趋势进 行预测； 步骤5： 对预测的结果进行评价分析， 验证预测的有效性。 2.根据权利要求1所述的一种基于LSTM的生活垃圾投放趋势智能预测方法， 其特征在 于： 步骤1中， 采集的数据来源途径分为两个， 一是由智能垃圾分类 收运设备现场采集垃圾 数据， 包括每小时垃圾投放量数据、 每小时垃圾投放次数数据； 二是由网络爬虫方式获取网 络公开数据， 包括国家 节假日信息， 所属地区的气候信息和温度信息 。 3.根据权利要求1所述的一种基于LSTM的生活垃圾投放趋势智能预测方法， 其特征在 于： 步骤2中， 对气候数据的归一化方法为将采集到的气候数据状况： 晴、 多云、 阴、 小雨、 中 雨、 大雨、 小雪、 中雪、 大雪、 其他， 分别对应0.1、 0.2、 0.3、 0.4、 0.5、 0.6、 0.7、 0.8、 0.9 至1， 使 数值处于[0,1]之间。 4.根据权利要求1所述的一种基于LSTM的生活垃圾投放趋势智能预测方法， 其特征在 于： 步骤2中节假日信息数据， 根据节假日对居民生活节奏的影响程度， 将节假日类型分为 工作日、 休息日和节日三种类型， 节日判断条件为大于等于三天的节假日， 包括春节、 劳动 节、 端午节、 国庆节、 元旦节， 将 工作日、 休息日、 节日三种节 假日信息数据分别对应0、 0.5和 1。 5.根据权利要求1所述的一种基于LSTM的生活垃圾投放趋势智能预测方法， 其特征在 于： 模型参数由输入层输入后传输至LSTM层进行LSTM网络训练， LSTM层神经元数量为128； LSTM层后传输 至Dropout层， 进行正则化处 理； 之后传输 至全连接层和回归输出层。 6.根据权利要求1所述的一种基于LSTM的生活垃圾投放趋势智能预测方法， 其特征在 于： LSTM神经网络模 型的训练方法为将训练集与测试集分割为多个样本， 每一个样本均由k +1天组成， 使用前K天作为网络的输入， 后一天作为评估模型的参考值； 使用训练集训练神 经网络， 并对 模型进行评估， 反复训练以达 到最优拟合。 7.根据权利要求1所述的一种基于LSTM的生活垃圾投放趋势智能预测方法， 其特征在 于： LSTM预测模型， 将归一化处理后的数据矩阵输入到LSTM网络中， 依次通过LSTM网络的输 入门、 遗忘门和输出门后， 提取 得到垃圾投放 量的未来时间序列； 其中， LSTM网络 输入门的公式为： LSTM网络 遗忘门的公式为： LSTM网络 输出门的公式为： 并结合以下公式计算： Ct＝ft⊙Ct‑1+it⊙Ct ht＝Ot⊙tanh(Ct) 式中， it表示输入门、 Wi表示输入门权重参数矩阵、 bi表示输入门偏置项， ft表示遗忘门、 Wf表示遗忘 门权重参数矩阵、 bf表示遗忘 门偏置项， Ot表示输出门、 Wo表示输出门权重参数权　利　要　求　书 1/2 页 2 CN 115545473 A 2矩阵、 bo表示输出门偏置项； σ 表示sigmoid激活函数， ⊙表示逐元素乘积， ht‑1表示t前一时 刻的隐藏层状态， 表示原始数据矩阵Xk在t时刻对应的原始数据向量， ht表示输出的t时 刻原始数据， 向量对应的时间序列特征向量； tanh为激活函数； Ct表示t时刻细胞状态； Ct‑1表示t前一时刻的细胞状态； T表示时刻t的取值时间步长； Ct表示t时刻细胞状态向量； Wc 表示细胞状态向量的权 重； bc表示细胞状态向量的偏置项。权　利　要　求　书 2/2 页 3 CN 115545473 A 3