本發明涉及廣告位流量預測，具體為一種廣告位流量預測方法及系統。
背景技術：
1、在數字化商業浪潮下，廣告位流量預測對精準廣告投放至關重要，但傳統方法存在諸多難題。其一，數據采集與利用存在局限。多數僅依賴廣告位自身歷史流量數據，忽略周邊環境（如人流量、交通狀況）、社交媒體熱點等重要因素，數據維度單一，導致預測結果偏差大。同時，集中式數據處理模式下，數據上傳至中心服務器，易引發隱私泄露風險，各數據持有方因擔憂敏感數據泄露，不愿共享數據，形成數據孤島，限制了多源數據融合，無法為預測模型提供全面數據支持。其二，預測模型與決策優化能力不足。傳統預測模型多基于簡單統計分析或線性回歸，難以捕捉廣告位流量復雜的時空特征及動態變化規律，面對突發情況時預測誤差顯著增大。并且，現有技術在完成流量預測后，缺乏有效優化廣告位資源調度的策略，無法幫助廣告主根據預測結果制定精準投放計劃，實現廣告資源高效利用與收益最大化?。
技術實現思路
1、本發明的目的在于提供廣告位流量預測方法及系統，以解決上述背景技術中提出的問題。
2、為實現上述目的，本發明提供如下技術方案：一種廣告位流量預測方法，包括以下步驟：
3、獲取涵蓋廣告位周邊物理環境、語義信息及外部關聯的多源數據；
4、運用加密技術對采集到的數據進行處理，在本地節點對原始數據加密后，采用聯邦學習算法實現跨域模型聚合；
5、采用數據增強算法擴充數據多樣性，利用異常檢測算法識別異常數據點，然后通過構建多維特征結構以及對特定數據進行特征轉換和降維處理；
6、基于因果分析框架量化各數據因素對廣告位流量的因果影響，并借助可視化技術展示特征貢獻，利用融合神經網絡混合模型捕捉廣告位流量的時空特征和動態變化，同時設置自適應機制保障預測可靠性；
7、使用近端策略優化算法訓練廣告位調度策略，以最大化廣告主收益為目標函數，同時構建數字孿生模型模擬不同策略下的流量變化，根據預測誤差情況觸發策略回滾機制。
8、優選地，所述獲取涵蓋廣告位周邊物理環境、語義信息及外部關聯的多源數據，包括：
9、采集廣告位周邊的人流量、熱力分布等物理環境數據；
10、通過自然語言處理模型解析社交媒體數據以獲取語義標簽信息；
11、獲取城市熱力圖、交通管制信息數據。
12、優選地，所述運用加密技術對采集到的數據進行處理，在本地節點對原始數據加密后，采用聯邦學習算法實現跨域模型聚合，包括：
13、在廣告主本地部署邊緣節點，采用同態加密技術對原始數據加密；
14、在本地節點對原始數據加密后，通過fedprox算法實現跨域模型聚合，其中本地更新公式為：
15、；
16、全局聚合公式為：
17、；
18、式中，表示第個本地模型在第輪訓練時的參數，為學習率，是第個本地模型的損失函數，是控制本地模型與全局模型接近程度的超參數，是第輪訓練時的全局模型參數，是參與聯邦學習的本地模型數量，是第個本地模型的權重；
19、其中，所述fedprox算法在進行跨域模型聚合時，通過調整本地模型更新公式中的超參數，控制本地模型與全局模型的接近程度。
20、優選地，所述采用數據增強算法擴充數據多樣性，利用異常檢測算法識別異常數據點，然后通過構建多維特征結構以及對特定數據進行特征轉換和降維處理，包括：
21、運用stylegan3算法生成虛擬流量樣本，通過調整生成器中的潛在向量，生成不同天氣、時段的虛擬流量樣本進行數據增強；
22、使用isolationforest算法檢測異常流量點；
23、構建時空特征立方體，并對社交媒體標簽數據通過tf-idf轉化和pca降維進行特征工程處理。
24、優選地，所述基于因果分析框架量化各數據因素對廣告位流量的因果影響，并借助可視化技術展示特征貢獻，利用融合神經網絡混合模型捕捉廣告位流量的時空特征和動態變化，同時設置自適應機制保障預測可靠性，包括：
25、基于causalml框架和混合預測模型進行流量預測，利用causalml框架量化各因素對流量的因果效應，通過shap值可視化特征貢獻；
26、混合預測模型包括時空transformer和動態貝葉斯網絡，用于捕捉廣告位的時空特征和動態變化規律，并設置自適應門控機制，當預測置信度低于設定閾值時切換至專家系統；
27、其中，所述量化各因素對流量的因果效應采用雙重差分法公式：
28、；
29、式中，表示平均處理效應，和分別表示處理組和對照組的流量觀測值，是表示是否受到處理的指示變量，=1表示受到處理，=0表示未受到處理。
30、優選地，所述使用近端策略優化算法訓練廣告位調度策略，以最大化廣告主收益為目標函數中：
31、所述近端策略優化算法的獎勵函數公式為：
32、；
33、式中，表示在時刻的獎勵值，、、是權重系數，是時刻的點擊率，是時刻的每千次展示費用，是時刻廣告展示的多樣性指標；
34、所述近端策略優化算法為：
35、；
36、式中，表示在策略下的期望，是折扣因子，是時間步長，是時刻采取的行動，是時刻的狀態。
37、優選地，所述近端策略優化算法訓練廣告位調度策略時，根據獎勵函數調整策略參數，獎勵函數中的權重系數、、根據廣告主的業務重點和目標進行動態調整。
38、本發明還提供一種廣告位流量預測系統，包括：
39、數據采集與隱私保護模塊，其用于獲取涵蓋廣告位周邊物理環境、語義信息及外部關聯的多源數據，以及運用加密技術對采集到的數據進行處理，在本地節點對原始數據加密后，采用聯邦學習算法實現跨域模型聚合；
40、數據預處理模塊，其用于采用數據增強算法擴充數據多樣性，利用異常檢測算法識別異常數據點，然后通過構建多維特征結構以及對特定數據進行特征轉換和降維處理；
41、預測模型設計模塊，其用于基于因果分析框架量化各數據因素對廣告位流量的因果影響，并借助可視化技術展示特征貢獻，利用融合神經網絡混合模型捕捉廣告位流量的時空特征和動態變化，同時設置自適應機制保障預測可靠性；
42、動態決策輸出模塊，其用于使用近端策略優化算法訓練廣告位調度策略，以最大化廣告主收益為目標函數，同時構建數字孿生模型模擬不同策略下的流量變化，根據預測誤差情況觸發策略回滾機制。
43、本發明還提供一種電子設備，所述電子設備為實體設備，所述電子設備包括：
44、處理器、存儲器，所述存儲器與處理器進行通信連接；
45、所述存儲器用于儲存至少一個所述處理器執行的可執行指令，所述處理器用于執行所述可執行指令以實現如上述的廣告位流量預測方法。
46、本發明還提供一種計算機可讀存儲介質，所述計算機可讀存儲介質中存儲有計算機程序，所述計算機程序被處理器執行時實現如上述的廣告位流量預測方法。
47、與現有技術相比，本發明的有益效果是：
48、通過多模態數據采集方式整合了多源信息，為精準預測提供豐富數據基礎，聯邦邊緣計算結合同態加密技術，在保護數據隱私的同時促進多源數據協作，降低數據傳輸量，提高數據處理效率與安全性；
49、數據增強和異常檢測技術提升了數據質量和多樣性，增強模型對復雜情況的適應能力，特征工程構建了全面且高效的特征體系，有效提取和利用數據特征；
50、基于因果分析的方法深入挖掘各因素對流量的因果關系，結合混合預測模型捕捉復雜的時空特征和動態變化規律，顯著提高預測準確性，自適應門控機制確保在復雜情況下仍能提供可靠的預測結果，增強系統的穩定性和可靠性；
51、近端策略優化以最大化廣告主收益為導向優化廣告位調度，充分考慮了多個關鍵業務指標，實現廣告資源的合理分配和高效利用，數字孿生模型提供了策略驗證和優化的有效手段，通過模擬不同策略下的流量變化，為決策提供有力支持，減少無效曝光，提高廣告投放效果。