[发明专利]一种电网生产技改项目投资预测方法

权利要求书

1.一种电网生产技改项目投资预测方法，其特征在于，包括：

收集电网生产技改项目历史投资规模数据；

通过构建主成分分析模型对历史投资规模数据进行分析，筛选关键指标作为主成分分析模型构建的输入指标；

构建基于灰色理论的生产技改投资预测模型，并对筛选的指标进行投资规模预测；

基于马尔科夫模型，对投资规模预测完成的指标进行优化、修正，得到最终预测值。

2.根据权利要求1所述的电网生产技改项目投资预测方法，其特征在于，构建主成分分析模型，包括：

主成分分析法通常用来指标的降维处理,并且能够通过得到的方差贡献率和载荷矩阵计算出各指标的权重值，主成分分析的理论如下:

主成分分析法要先确立p个评价指标,然后对每个指标采集n组数据,得到矩阵:

然后采用Z-score标准化方法对其处理得到矩阵Z＝(z_ij)_n*p,再按照式：

求得相关系数矩阵,R＝(r_ij)_p*p；

注意到相关系数矩阵等于协方差矩阵,因此有:

A^TRA＝Λ＝diag(λ₁,λ₂,…,λ_p)

式中:λ₁,λ₂,…,λ_p为矩阵R的p个特征值；A＝(a_ij)_p*p,为p个特征值对应的规范正交特征向量；

令Y＝A^TZ,写成矩阵的形式如下:

式中:y_i为第i主成分,且将主成分按数值由大到小依次排列；z₁,z₂,…,z_p为矩阵Z中的n维行向量；

对主成分矩阵Y进行协方差运算可得：

显然,第i主成分的方差等于其相对应的特征值,而任意两个不同主成分之间的相关性为零，至此,评价指标被主成分指标代替,原有指标体系内各评价指标之间的相关性被完全消除；

为进一步简化指标集,定义主成分的y_i方差对总方差的贡献率即为所求的波动权值，定义前m个主成分方差累计贡献率可见,ω_i反映第i主成分指标承载原有指标体系信息量的百分比,ρ反映前m个主成分指标累计承载原有指标体系信息量的百分比，可以选取前m个主要成分来综合评价工程目标；

主成分分析法是一种客观方法，在本报告中,对各影响因素进行主成分分析,得到各影响因素的权重排序矩阵；

通过计算得到方差表和主成分载荷矩阵表，一般根据累计方差总贡献率大于85％来选取相应主成分的个数，各项影响因素的权重按照下式进行计算；

式中:a_ij表示对应第j影响因素第i个主成分的载荷值，可看作是各主成分的占比权重；σ_i表示第i个主成分的方差贡献率，可看作是各主成分的波动权重，k_j表示第j个影响因素的最终权重指标，为各主成分占比权重的加权平均；

然而，根据分析对象的不同，主成分分析法尤其相对的适应性，需要通过KMO(Kaiser-Meyer-Olkin)统计量来检验对象是否适合用主成分进行分析，这里提到的KMO检验，是用于比较变量间简单相关系数和偏相关系数的指标主要应用于多元统计的因子分析；

式中:r_jk是j元素与k元素的简单相关系数，p_jk是j和k的偏相关系数，KMO统计量是取值在0和1之间，当所有变量间的简单相关系数平方和远远大于偏相关系数平方和时，KMO值接近1.KMO值越接近于1,意味着变量间的相关性越强，原有变量越适合作因子分析；当所有变量间的简单相关系数平方和接近0时，KMO值接近0.KMO值越接近于0，意味着变量间的相关性越弱，原有变量越不适合作因子分析；

Kaiser给出了常用的KMO度量标准:0.9以上表示非常适合；0.8表示适合；0.7表示一般；0.6表示不太适合；0.5以下表示极不适合。