[发明专利]一种电子固废产生量智能预测方法及系统

说明书

本发明涉及一种电子固废产生量智能预测方法，包括获取待预测地区与电子固废产生量相关的历史数据，将历史数据随机划分为训练集和测试集；利用训练集建立电子固废产生量机理模型，对机理模型进行求解，得到机理模型的输出预测序列；对机理模型输出预测序列与实际的电子固废产生量之间的误差进行智能补偿，得到电子固废产生量智能预测结果；利用测试集对电子固废产生量智能预测结果进行测试，以评估最终的电子固废产生量智能预测结果的性能。本发明在机理建模的基础上，对机理模型的建模误差进行智能补偿，在提高固废产生量预测精度的同时，使得电子固废产生量的预测具有自主学习与自适应能力，能够为电子固废回收体系的规划提供参考。

技术领域

本发明涉及智能物流技术领域，尤其是指一种电子固废产生量智能预测 方法及系统。

背景技术

电子固废包括各种废旧电脑、通信设备、家用电器，以及被淘汰的精密 电子仪器仪表等，是主要的环境污染物，通过积极规范的方式对电子固废进 行回收处理，不仅可以减少环境压力，而且可以弥补资源短缺。高效的电子 固废管理要确保系统地收集、回收和恰当的处理，就需要适当的基础设施建 设和完整的规划，以有效地应对不断增加的电子固废产生量。因此，及时准 确的电子固废产生量智能预测是电子固废高效回收的前提。

现有预测方法基本分为三类：基于销售量的市场供给模型、基于保有量 的保有量系数模型以及基于社会经济指标的计量统计模型，这些方法复杂度 高，部分影响因素很难直接获取，因此难以保证其准确性。考虑到电子固废 产生过程中的部分信息已知，部分未知的灰色特性，有方法提出基于多元灰 色预测模型预测电子固废产生量，但是此模型实质上是线性模型，针对具有 非线性以及随时间发生变化的电子固废产生过程，显然不太适用。

发明内容

为此，本发明所要解决的技术问题在于克服现有技术存在的问题，提出 一种电子固废产生量智能预测方法及系统，利用智能学习方法对预测结果的 误差进行补偿，使固废产生量预测精度提高的同时，具有一定的智能学习能 力。

为解决上述技术问题，本发明提供一种电子固废产生量智能预测方法， 包括：

获取待预测地区与电子固废产生量相关的历史数据，将历史数据随机划 分为训练集和测试集，并对所述训练集和测试集进行归一化处理；

利用归一化处理后的所述训练集建立电子固废产生量机理模型，并对所 述机理模型进行求解，对求解过程中出现的卷积积分进行离散化处理，得到 机理模型的输出预测序列，同时对所述机理模型中的未知参数进行辨识；

对所述机理模型输出预测序列与实际的电子固废产生量之间的误差进行 智能补偿，将误差补偿序列与机理模型的输出预测序列相加，得到最终的电 子固废产生量智能预测结果；

利用所述测试集对最终的电子固废产生量智能预测结果进行测试，得到 所述测试集中的测试数据的电子固废产生量智能预测值，将所述测试数据的 电子固废产生量智能预测值与所述测试数据的电子固废产生量实际值进行对 比，以评估最终的电子固废产生量智能预测结果的性能。

在本发明的一个实施例中，将历史数据随机划分为训练集和测试集包括：

将所述历史数据随机划分为训练集{(X_i⁽⁰⁾,Y⁽⁰⁾)，i＝1,2}，其中， X_i⁽⁰⁾＝{X_i⁽⁰⁾(1),X_i⁽⁰⁾(2),…,X_i⁽⁰⁾(r)},i＝1,2表示人口密度及家庭可支配收入， Y⁽⁰⁾＝{Y⁽⁰⁾(τ+1),Y⁽⁰⁾(τ+2),…,Y⁽⁰⁾(τ+r)}表示历史的电子固废产生量，τ表示延迟时 间，r表示历史时序数；