[发明专利]一种基于互补型模糊神经网络的能源用量预测方法和装置

摘要

本发明提供了一种基于互补型模糊神经网络的能源用量预测方法和装置，其中所述方法包括：获取待测试能源对应的用能历史数据；将所述用能历史数据进行分类规整；对所述规整后的用能历史数据进行灰色处理，筛选出有效历史数据；将所述有效历史数据进行归一化处理；将归一化后的数据进行模糊处理；将模糊处理后的数据输入模糊神经网络模型中，由所述模糊神经网络模型预测出所述模糊处理后的数据对应的能源用量预值；对所述能源用量预值进行反归一化处理；将反归一化处理结果进行白化处理，得到目标预测值，并输出所述目标预测值。通过本发明提供的基于互补型模糊神经网络的能源用量预测方案，能够提升能源用量预测结果的准确性。

主权项

1.一种基于互补型模糊神经网络的能源用量预测方法，其特征在于，包括：/n获取待测试能源对应的用能历史数据；/n将所述用能历史数据进行分类规整；/n对所述规整后的用能历史数据进行灰色处理，筛选出有效历史数据；/n将所述有效历史数据进行归一化处理；/n将归一化后的数据进行模糊处理；/n将模糊处理后的数据输入模糊神经网络模型中，由所述模糊神经网络模型预测出所述模糊处理后的数据对应的能源用量预值；/n对所述能源用量预值进行反归一化处理；/n将反归一化处理结果进行白化处理，得到目标预测值，并输出所述目标预测值；/n其中，所述将归一化后的数据进行模糊处理的步骤包括：确定归一化后的数据中的最大值以及最小值；将所述最大值与所述最小值之间的数值划分成多个数值区间；其中，每个所述数值区间对应一个模糊子集；将归一化后的各数据分别划分至对应的所述数值区间中，每个所述模糊子集中包含多个归一化后的数据；/n其中，所述将模糊处理后的数据输入模糊神经网络模型中，由所述模糊神经网络模型预测出所述模糊处理后的数据对应的能源用量预值的步骤包括：选择适合各所述模糊子集对应的参数；依据确定的参数构建适用于所述模糊子集的计算模型，以确定出所述能源用量预值。/n