本发明涉及数据处理，尤其涉及一种信息预测模型的构建方法、信息预测方法及装置。
背景技术：
1、目前消防管理系统通常可概括为探测终端、监控调度平台以及救援任务接收终端三部分，其中，监控调度平台主要负责接收报警信息及周围消防站信息，目前主要由调度员解析报警信息后评估火警等级并进行消防资源派遣，该过程对调度员依赖程度较高，对历史火灾事故的学习及消防资源的优化调度都比较有限。
2、当前消防管理系统的主要功能是火警信息的采集和集成，缺乏对于历史火灾事故的学习，相应地也缺乏对于关键信息的整体性分析，对于消防资源的调度局限性较强。
技术实现思路
1、为解决现有存在的技术问题，本发明实施例提供一种信息预测模型的构建方法、信息预测方法及装置。
2、为达到上述目的，本发明实施例的技术方案是这样实现的：
3、第一方面，本发明实施例提供一种信息预测模型的构建方法，所述信息预测模型包括第一层模型和第二层模型；所述方法包括：
4、获取样本数据集，所述样本数据集包括多个样本数据以及各个样本数据的标签数据，所述样本数据包括事故相关的多个特征数据；所述标签数据表征参与事故救援的相关资源信息；
5、基于所述样本数据集分别对多个第一初始模型进行训练，获得所述信息预测模型的第一层模型；其中，所述第一层模型包括每个第一初始模型对应的多个基模型，所述每个第一初始模型对应的多个基模型由每个第一初始模型对所述样本数据集进行多次交叉验证获得；
6、根据所述第一层模型中各个基模型对每个样本数据的预测结果确定第一特征数据，基于所述第一特征数据和每个样本数据对应的标签数据对第二初始模型进行训练，获得所述信息预测模型的第二层模型。
7、上述方案中，所述基于所述样本数据集分别对多个第一初始模型进行训练，包括：将所述样本数据集分为n个数据子集，n为大于等于2的整数；依次将所述n个数据子集中的每个数据子集作为验证数据集、并将其余数据子集作为训练数据集，对每个第一初始模型循环执行n次训练操作，分别获得每个第一初始模型对应的n个基模型。
8、上述方案中，所述将所述样本数据集分为n个数据子集，包括：对所述样本数据集中的多个样本数据进行聚类，获得至少一个聚类结果；基于所述样本数据集中各个样本数据的标签数据对每个聚类结果进行异常数据识别，从每个聚类结果中剔除识别到的异常样本数据；根据剔除异常样本数据后的所述至少一个聚类结果确定所述n个数据子集。
9、上述方案中，所述基于所述样本数据集中各个样本数据的标签数据对每个聚类结果进行异常数据识别，包括：根据每个聚类结果包括的各个样本数据和各个样本数据的标签数据，确定第二特征数据；基于训练完成的识别模型对所述第二特征数据进行异常数据识别。
10、上述方案中，所述根据剔除异常样本数据后的所述至少一个聚类结果确定所述n个数据子集，包括：将每个聚类结果包括的各个样本数据分为n份数据，对每个聚类结果包括的n份数据重复进行n次随机抽取，将每次从所有聚类结果中获得的随机抽取结果进行组合，获得所述n个数据子集。
11、上述方案中，所述对所述样本数据集中的多个样本数据进行聚类，包括：确定每个样本数据中所述多个特征数据各自对应的第一权重，基于所述第一权重确定任意两个样本数据之间的相似度；基于所有样本数据之间的相似度确定相似度矩阵，根据所述相似度矩阵对所述多个样本数据进行聚类。
12、上述方案中，所述根据所述第一层模型中各个基模型对每个样本数据的预测结果确定第一特征数据，包括：根据各个基模型对每个样本数据的预测结果和每个样本数据的标签数据确定各个基模型的预测误差，根据各个基模型的预测误差确定各个基模型对应的第二权值；根据各个基模型对应的第二权值以及各个基模型对每个样本数据的预测结果，获得所述第一特征数据。
13、上述方案中，所述获取样本数据集，包括：获取多条历史事故记录，对每条历史事故记录进行结构化处理，获得每条历史事故记录对应的多个特征数据。
14、第二方面，本发明实施例还提供一种信息预测方法，适用于通过第一方面所述的方法构建的信息预测模型；所述方法包括：
15、获取待处理数据，所述待处理数据包括事故相关的多个特征数据；
16、采用所述信息预测模型中第一层模型包括的各个基模型对所述待处理数据进行预测，获得第一预测结果；所述第一预测结果包括各个基模型对所述待处理数据的预测结果；
17、采用所述信息预测模型的第二层模型对所述第一预测结果进行处理，获得第二预测结果，所述第二预测结果表征参与事故救援的资源需求。
18、上述方案中，所述获取待处理数据，包括：获取警情信息和/或事故相关信息，对所述警情信息和/或事故相关信息进行结构化处理，获得所述待处理数据。
19、第三方面，本发明实施例还提供一种信息预测模型的构建装置，所述信息预测模型包括第一层模型和第二层模型；所述装置包括第一获取模块、第一训练模块和第二训练模块；其中，
20、所述第一获取模块，用于获取样本数据集，所述样本数据集包括多个样本数据以及各个样本数据的标签数据，所述样本数据包括事故相关的多个特征数据；所述标签数据表征参与事故救援的相关资源信息；
21、所述第一训练模块，用于基于所述样本数据集分别对多个第一初始模型进行训练，获得所述信息预测模型的第一层模型；其中，所述第一层模型包括每个第一初始模型对应的多个基模型，所述每个第一初始模型对应的多个基模型由每个第一初始模型对所述样本数据集进行多次交叉验证获得；
22、所述第二训练模块，用于根据所述第一层模型中各个基模型对每个样本数据的预测结果确定第一特征数据，基于所述第一特征数据和每个样本数据对应的标签数据对第二初始模型进行训练，获得所述信息预测模型的第二层模型。
23、第四方面，本发明实施例还提供一种信息预测装置，适用于通过第一方面所述的方法构建的信息预测模型；所述装置包括第二获取模块、第一预测模块和第二预测模块；其中，
24、所述第二获取模块，用于获取待处理数据，所述待处理数据包括事故相关的多个特征数据；
25、所述第一预测模块，用于采用所述信息预测模型中第一层模型包括的各个基模型对所述待处理数据进行预测，获得第一预测结果；所述第一预测结果包括各个基模型对所述待处理数据的预测结果；
26、所述第二预测模块，用于采用所述信息预测模型的第二层模型对所述第一预测结果进行处理，获得第二预测结果，所述第二预测结果表征参与事故救援的资源需求。
27、第五方面，本发明实施例还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现第一方面或第二方面所述方法的步骤。
28、第六方面，本发明实施例还提供一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现第一方面或第二方面所述方法的步骤。
29、第七方面，本发明实施例还提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现第一方面或第二方面所述方法的步骤。
30、本发明实施例的信息预测模型的构建方法、信息预测方法及装置，可根据事故相关的多个特征数据构建结构化的样本数据集，并通过所述样本数据集分别对多个第一初始模型进行训练获得每个第一初始模型对应的多个基模型，由多个第一初始模型各自对应的多个基模型构建信息预测模型的第一层模型，并将第一层模型中每个基模型对样本数据的预测结果作为第二初始模型的输入数据，对第二初始模型进行训练获得信息预测模型的第二层模型，由此可构建用于事故救援辅助分析或事故救援资源需求预测的信息预测模型，该信息预测模型可从历史事故数据中学习经验，提升事故救援与实际需求的匹配度，能够综合考虑与事故相关的各类信息，整体上为事故救援提供更精准的救援决策参考，在一定程度上提高事故救援效率。
1.一种信息预测模型的构建方法，其特征在于，所述信息预测模型包括第一层模型和第二层模型；所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述基于所述样本数据集分别对多个第一初始模型进行训练，包括：
3.根据权利要求2所述的方法，其特征在于，所述将所述样本数据集分为n个数据子集，包括：
4.根据权利要求3所述的方法，其特征在于，所述基于所述样本数据集中各个样本数据的标签数据对每个聚类结果进行异常数据识别，包括：
5.根据权利要求3所述的方法，其特征在于，所述根据剔除异常样本数据后的所述至少一个聚类结果确定所述n个数据子集，包括：
6.根据权利要求3所述的方法，其特征在于，所述对所述样本数据集中的多个样本数据进行聚类，包括：
7.根据权利要求1所述的方法，其特征在于，所述根据所述第一层模型中各个基模型对每个样本数据的预测结果确定第一特征数据，包括：
8.根据权利要求1所述的方法，其特征在于，所述获取样本数据集，包括：
9.一种信息预测方法，其特征在于，适用于通过权利要求1至8任一项所述的方法构建的信息预测模型；所述方法包括：
10.根据权利要求9所述的方法，其特征在于，所述获取待处理数据，包括：
11.一种信息预测模型的构建装置，其特征在于，所述信息预测模型包括第一层模型和第二层模型；所述装置包括第一获取模块、第一训练模块和第二训练模块；其中，
12.一种信息预测装置，其特征在于，适用于通过权利要求1至8任一项所述的方法构建的信息预测模型；所述装置包括第二获取模块、第一预测模块和第二预测模块；其中，
13.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1至8任一项所述方法的步骤；或者，该程序被处理器执行时实现权利要求9或10所述方法的步骤。
14.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序在被处理器执行时实现权利要求1至8任一项所述方法的步骤；或者，所述计算机程序在被处理器执行时实现权利要求9或10所述方法的步骤。
15.一种计算机设备，包括存储器、处理器及存储在存储器上并可在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程序时实现权利要求1至8任一项所述方法的步骤；或者，所述处理器执行所述程序时实现权利要求9或10所述方法的步骤。
