[发明专利]一种面向智能用电的融合通信网络业务预测方法

摘要

一种面向智能用电的融合通信网络业务预测方法，属于面向智能用电的融合通信网络业务预测领域。本发明基于递归多层感知网络的面向智能用电的融合通信网络业务预测方法中的递归多层感知网络是一种递归神经网络，提出采用多输入多输出递归多层感知网络的方法对面向智能用电的融合通信网络业务进行预测；该方法和模型可以准确地对面向智能用电的融合通信网络业务进行预测，并跟踪其动态；同时DEKF、多流训练、BPTT等方法被用来加速递归多层感知网络的收敛和改善网络的训练性能。

主权项

一种面向智能用电的融合通信网络业务预测方法，其特征在于包括以下步骤：步骤1：构建多输入多输出递归多层次感知网络模型，并对模型进行初始化，将训练数据对提供给该模型并进行训练，设置误差界限δ，总迭代步长T和迭代步变量k；步骤2：将训练数据呈现给网络用于训练网络；步骤3：通过网络模型，将输入数据对提供给模型并计算出估计值计算输出误差其中，x(t)表示当前时刻t流量矩阵真实值，而表示当前时刻t流量矩阵估计值，并将其用作为模型的下一次训练输入；步骤4：进行梯度计算；步骤5：如果多流训练结束，转到步骤6；否则，返回步骤2；步骤6：更新网络权重，计算模型最新估计值然后计算总误差步骤7：如果ε<δ或者k>T则将网络权重保存到文件并退出训练；否则，k＝k+1并返回到步骤2；步骤8：根据以上步骤1到步骤7中对递归多层次网络进行训练，并在步骤7中获得网络权重值，对递归多层次网络进行初始化；步骤9：将输入数据提供给网络，但并不包括在训练过程中输出的误差；步骤10：根据网络模型，得到如下等式：x^1(t)=W·13×Y12(t)Y12(t)=W·12×Y11(t)+W·12×Y12(t-1)Y11(t)=W·11×Y(t)+ΔE1+W·11×Y11(t-1)ΔE1=x1(t)-x^1(t)...x^·(t)=W··3×Y·2(t)Y·2(t)=W··2×Y·1(t)+W··2×Y·2(t-1)Y·1(t)=W··1×Y(t)+ΔE·+W··1×Y·1(t-1)ΔE·=x·(t)-x^·(t)---(1)]]>x^1(t)=f1(Y(t))...x^·(t)=f·(Y(t))---(2)]]>因此，等式(2)可以表示为X^(t)=F×Y(t)---(3)]]>其中F＝(f1,f2,...,f·)，Y(t)＝(y1(t),y2(t),...,y·(t))·和×表明公式(2)代表的映射关系；等式(3)表明模型建立了从R·到R·的映射关系；利用等式(1)‐(3)，获得网络业务预测值；步骤11：如果网络业务预测过程结束，则将预测值保存到文件并退出；否则，返回步骤9。