本技術涉及固廢利用規(guī)劃，更具體地說，是涉及一種基于深度學習的城市危險廢物產生量預測方法和裝置。

背景技術：

1、對城市固廢進行高效的資源化利用是城市發(fā)展中的重要問題。其中，危險固廢包括化學品和化學制品(例如電池、藥品、油漆、農藥等固廢)、工業(yè)廢物(例如礦物油、溶劑、金屬加工廢物、電鍍廢物等固廢)、電子廢物(例如電腦、手機、電視等電子產品固廢)和醫(yī)療廢物(例如感染性廢物、病理廢物、化學廢物等固廢)。如何對危險固廢回收利用是固廢資源化利用中的關鍵問題，因此對危險固廢的產生進行預測，是對后續(xù)危險固廢的高效回收利用的關鍵環(huán)節(jié)。

2、專利申請cn113761801a(申請?zhí)枺篶n202111051983.8)提供了一種電子固廢產生量智能預測方法，包括獲取待預測地區(qū)與電子固廢產生量相關的歷史數(shù)據(jù)，將歷史數(shù)據(jù)隨機劃分為訓練集和測試集；利用訓練集建立電子固廢產生量機理模型，對機理模型進行求解，得到機理模型的輸出預測序列；對機理模型輸出預測序列與實際的電子固廢產生量之間的誤差進行智能補償，得到電子固廢產生量智能預測結果。專利申請cn113761801a中的電子固廢產生量智能預測方法能夠對機理模型的建模誤差進行智能補償，但是該固廢產生量的智能預測方法不能對突然事件等情況下的固廢產生量的波動進行合理預測。

技術實現(xiàn)思路

1、本技術的目的是提供一種基于深度學習的城市危險廢物產生量預測方法和裝置，解決了不能對突然事件等情況下的固廢產生量的波動進行合理預測的技術問題，達到了對危險固廢產生量的波動進行合理預測的技術效果。

2、本技術實施例提供的一種基于深度學習的城市危險廢物產生量預測方法，方法包括：獲取目標區(qū)域內的每個危險固廢產生單位在時序上危險固廢的時序產生量和時序產生量增幅；其中，每個時間段內獲取時序產生量增幅的時間間隔小于獲取時序產生量的時間間隔；通過危險固廢時序產生量預測模型，根據(jù)每個危險固廢產生單位的危險固廢在時序上的時序產生量，確定每個危險固廢產生單位的預測時序產生量；通過危險固廢時序產生量修正模型，根據(jù)每個危險固廢產生單位的時序產生量和時序產生量增幅，確定每個危險固廢產生單位的目標時序產生量，將目標區(qū)域內所有危險固廢產生單位的目標時序產生量的和作為目標區(qū)域的危險固廢產生量的預測結果。

3、在一種可能的實現(xiàn)方式中，方法還包括：獲取目標危險固廢產生單位的時序產生量增幅大于預設時序產生量增幅的第一突變時間點，并獲取目標危險固廢產生單位在第一突變時間點后的時序產生量增幅；當目標危險固廢產生單位在第一突變時間點后的時序產生量增幅滿足預設增幅條件時，在時序產生量增幅中保留第一突變時間點處的時序產生量增幅；當目標危險固廢產生單位在第一突變時間點后的時序產生量增幅不滿足預設增幅條件時，通過歷史時序產生量增幅替代第一突變時間點處的時序產生量增幅。

4、在另一種可能的實現(xiàn)方式中，預設增幅條件包括：目標危險固廢產生單位在第一突變時間點處和第一突變時間點后的時序產生量增幅的平均值和預設時序產生量增幅的差值小于預設增幅差值。

5、在另一種可能的實現(xiàn)方式中，方法還包括：獲取目標危險固廢產生單位的時序產生量增幅大于預設時序產生量增幅的預設倍數(shù)的第二突變時間點；當目標危險固廢產生單位在第二突變時間點后時序產生量增幅的均值和預設時序產生量增幅的差值大于或等于預設倍數(shù)的預設增幅差值時，將目標危險固廢產生單位在第二突變時間點后的時序產生量作為修正時序產生量，將目標危險固廢產生單位的在第二突變時間點后的時序產生量增幅作為修正時序產生量增幅；通過危險固廢時序產生量預測模型，根據(jù)修正時序產生量，確定目標危險固廢產生單位的修正預測時序產生量；通過危險固廢時序產生量修正模型，根據(jù)修正預測時序產生量和修正時序產生量增幅，確定目標危險固廢產生單位的修正目標時序產生量。

6、在另一種可能的實現(xiàn)方式中，方法還包括：當目標危險固廢產生單位的時序產生量增幅大于預設倍數(shù)的預設時序產生量增幅時，獲取目標危險固廢產生單位產生的危險固廢對應的目標類型，獲取目標區(qū)域內產生目標類型的危險固廢的危險固廢產生單位集合，并獲取危險固廢產生單位集合中的所有危險固廢產生單位的目標類型的危險固廢的第一時序總產生量；通過危險固廢時序總產生量預測模型，根據(jù)第一時序總產生量，確定危險固廢產生單位集合的目標類型的危險固廢的第一預測時序產生量；并對目標區(qū)域內除目標類型以外的類型的危險固廢的進行危險固廢產生量預測，得到除目標類型以外的類型的危險固廢的第二預測時序產生量；將第一預測時序產生量和第二預測時序產生量的和作為目標區(qū)域的目標時序總產生量。

7、在另一種可能的實現(xiàn)方式中，獲取危險固廢產生單位集合中的所有危險固廢產生單位的目標類型的危險固廢的第一時序總產生量，包括：獲取目標危險固廢產生單位的目標類型的危險固廢的時序產生量增幅大于預設時序產生量增幅的預設倍數(shù)的第二突變時間點，獲取危險固廢產生單位集合中的所有危險固廢產生單位從第二突變時間點開始的目標類型的危險固廢的第一時序總產生量；通過危險固廢時序總產生量預測模型，根據(jù)第一時序總產生量，確定危險固廢產生單位集合的目標類型的危險固廢的第一預測時序產生量，包括：從第二突變時間點開始，通過危險固廢時序總產生量預測模型，根據(jù)第一時序總產生量，確定危險固廢產生單位集合的目標類型的危險固廢的第一預測時序產生量。

8、在另一種可能的實現(xiàn)方式中，方法還包括：當目標危險固廢產生單位的時序產生量增幅大于預設時序產生量增幅的預設倍數(shù)時，獲取目標危險固廢產生單位產生的目標類型的危險固廢對應的相關危險固廢，并獲取產生相關危險固廢的相關危險固廢產生單位集合，并確定目標類型的危險固廢和相關危險固廢的相關因子；其中，相關危險固廢包括目標類型的危險固廢的上游危險固廢和下游危險固廢；通過危險固廢時序總產生量預測模型，根據(jù)相關危險固廢產生單位集合的相關危險固廢在時序上的時序總產生量，確定相關危險固廢產生單位集合的預測時序產生量。

9、在另一種可能的實現(xiàn)方式中，確定目標類型的危險固廢和相關危險固廢的相關因子，包括：獲取目標產生量的目標類型的危險固廢對應的相關危險固廢的相關產生量，將相關產生量和目標產生量的比值作為相關因子。

10、本技術實施例還提供了一種基于深度學習的城市危險廢物產生量預測裝置，包括用于執(zhí)行上述任一項的方法的單元。

11、本技術實施例還提供了一種基于深度學習的城市危險廢物產生量預測裝置，包括存儲器、處理器以及存儲在所述存儲器中并可在所述處理器上運行的計算機程序，處理器執(zhí)行計算機程序時實現(xiàn)如上任一項所述的方法。

12、本技術實施例還提供了一種計算機可讀存儲介質，所述計算機可讀存儲介質存儲有計算機程序，計算機程序被處理器執(zhí)行時實現(xiàn)如上任一項所述的方法。

13、本技術實施例還提供了一種計算機程序產品，包括計算機程序，該計算機程序被處理器執(zhí)行時實現(xiàn)如上任一項所述的方法的步驟。

14、本技術實施例與現(xiàn)有技術相比存在的有益效果是：

15、本技術實施例提供了一種基于深度學習的城市危險廢物產生量預測方法，本方法包括：獲取目標區(qū)域內的每個危險固廢產生單位在時序上危險固廢的時序產生量和時序產生量增幅；通過危險固廢時序產生量預測模型，根據(jù)每個危險固廢產生單位的危險固廢在時序上的時序產生量，確定每個危險固廢產生單位的預測時序產生量；通過危險固廢時序產生量修正模型，根據(jù)每個危險固廢產生單位的時序產生量和時序產生量增幅，確定每個危險固廢產生單位的目標時序產生量，將目標區(qū)域內所有危險固廢產生單位的目標時序產生量的和作為目標區(qū)域的危險固廢產生量的預測結果。本技術實施例中的方法能夠確定每個危險固廢產生單位的預測時序產生量，并能能夠根據(jù)每個危險固廢產生單位的時序產生量和時序產生量增幅，確定每個危險固廢產生單位的目標時序產生量，目標時序產生量為根據(jù)時序產生量增幅修正后的危險固廢產生量，提高了危險固廢產生量預測的準確度。