(19)中华 人民共和国 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 202111375945.8 (22)申请日 2021.11.19 (71)申请人 新奥数能科技有限公司 地址 100102 北京市朝阳区望京东路1号10 层 (72)发明人 李冰　姜国强　赵钧陶　 (74)专利代理 机构 北京嘉科知识产权代理事务 所(特殊普通 合伙) 11687 代理人 司彦斌 (51)Int.Cl. G06F 30/27(2020.01) G06Q 10/04(2012.01) G06Q 50/06(2012.01) G06K 9/62(2022.01) G06N 3/04(2006.01)G06N 3/08(2006.01) (54)发明名称 新用户负荷预测模型构建方法、 装置、 设备 及存储介质 (57)摘要 本公开涉及机器学习技术领域， 提供了新用 户负荷预测模型构建方法、 装置、 设备及存储介 质。 该方法包括： 获取非新用户中的典型用户的 样本数据， 其中， 典型用户与新用户属于同一行 业类别； 使用样本数据对预设的非新用户负荷预 测模型进行训练、 测试， 直至负荷预测模型满足 预设的收敛条件时， 保存负荷预测模 型的模型参 数； 使用模型参数构建新用户负荷预测模型。 本 公开能够很好地解决因新用户的历史数据少， 难 以适用现有的基于深度神经网络的预测技术进 行负荷预测， 从而导致负荷预测结果的准确率较 低的问题。 权利要求书2页 说明书11页 附图2页 CN 114117902 A 2022.03.01 CN 114117902 A 1.一种新用户负荷预测模型构建方法， 其特 征在于， 包括： 获取非新用户中的典型用户的样本数据， 其中， 所述典型用户与新用户 属于同一行业 类别； 使用所述样本数据对预设的非新用户负荷预测模型进行训练、 测试， 直至所述负荷预 测模型满足预设的收敛 条件时， 保存所述负荷预测模型的模型参数； 使用所述模型参数构建新用户负荷预测模型。 2.根据权利要求1所述的方法， 其特征在于， 所述获取非新用户中的典型用户的样本数 据， 包括： 从代理用户中筛选出样本数据量符合预设数据量范围的M个非新用户， 对所述M个非新 用户进行分类， 得到N个非新用户集合， 其中， 每个所述非新用户集合包括至少一个非新用 户， N≤M， N、 M均为 正整数； 获取与所述 新用户属于同一行业类别的非新用户集 合中的典型用户的样本数据。 3.根据权利要求2所述的方法， 其特征在于， 所述获取与 所述新用户属于同一行业类别 的非新用户集 合中的典型用户的样本数据， 包括： 从所述N个非新用户集合中筛选出与所述新用户属于同一行业类别的同类典型非新用 户集合； 计算所述同类典型非新集合中的每个非新用户与所述同类典型非新集合的聚类中心 点之间的距离值； 将与所述聚类中心点的距离值最小的非新用户确定为所述同类典型非新集合的典型 用户， 并获取 所述典型用户的样本数据。 4.根据权利要求3所述的方法， 其特征在于， 所述从所述N个非新用户集合中筛选出与 所述新用户属于同一行业类别的同类典型非新用户集 合， 包括： 确定每个所述非新用户集 合中的非新典型用户， 得到N个非新典型用户； 获取所述N个非新典型用户的第 一样本数据， 根据 所述第一样本数据， 生成每个所述非 新典型用户的第一负荷曲线； 获取所述新用户的第二样本数据， 根据所述第二样本数据， 生成所述新用户的第二负 荷曲线； 根据所述第 二负荷曲线与每个所述第 一负荷曲线的相关度， 筛选出与 所述新用户属于 同一行业类别的同类典型非新用户集 合。 5.根据权利要求4所述的方法， 其特征在于， 所述根据所述第 二负荷曲线与每个所述第 一负荷曲线的相关度， 筛选出与所述新用户属于同一行业类别的同类典型非新用户集合， 包括： 分别计算所述第二负荷曲线与每 个所述第一负荷曲线的皮尔逊系数； 根据所述皮尔逊系数， 筛选出与 所述新用户属于同一行业类别的同类典型非新用户集 合。 6.根据权利要求1所述的方法， 其特征在于， 所述使用所述样本数据对预设的非新用户 负荷预测模型进行训练、 测试， 直至所述负荷预测模型满足预设的收敛条件时， 保存所述负 荷预测模型的模型参数， 包括： 将所述样本数据划分为训练数据集和 测试数据集；权　利　要　求　书 1/2 页 2 CN 114117902 A 2使用所述训练数据集对预设的深度学习模型进行训练， 得到负荷预测模型； 使用所述测试 数据集对所述负荷预测模型进行评估测试， 得到 评估测试 结果； 当所述评估测试 结果符合预设的收敛 条件时， 保存所述负荷预测模型的模型参数。 7.根据权利要求1所述的方法， 其特征在于， 所述使用所述模型参数构建新用户负荷预 测模型， 包括： 构建网络结构与非新用户负荷预测模型相同的预训练模型； 将所述模型参数迁移至所述预训练模型， 得到新用户负荷预测模型。 8.一种新用户负荷预测模型构建装置， 其特 征在于， 包括： 数据获取模块， 被配置为获取非新用户中的典型用户的样本数据， 其中， 所述典型用户 与新用户属于同一行业类别； 参数保存模块， 被配置为使用所述样本数据对预设的非新用户负荷预测模型进行训 练、 测试， 直至所述负荷预测模型满足预设的收敛条件时， 保存所述负荷预测模 型的模型参 数； 模型构建模块， 被 配置为使用所述模型参数构建新用户负荷预测模型。 9.一种电子设备， 包括存储器、 处理器以及存储在所述存储器中并且可在所述处理器 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 7中任一项所述方法的步骤。 10.一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7中任一项所述方法的步骤。权　利　要　求　书 2/2 页 3 CN 114117902 A 3