[发明专利]基于GMDH选择性组合的能源消费量时间序列预测方法及装置有效

专利信息
申请号: 201810258063.5 申请日: 2018-03-27
公开(公告)号: CN108537581B 公开(公告)日: 2021-05-04
发明(设计)人: 肖进;孙海燕 申请(专利权)人: 四川大学
主分类号: G06Q30/02 分类号: G06Q30/02;G06N3/04;G06N3/08;G06K9/62
代理公司: 成都厚为专利代理事务所(普通合伙) 51255 代理人: 夏柯双
地址: 610000 四川省成都*** 国省代码: 四川;51
权利要求书: 查看更多 说明书: 查看更多
摘要: 发明公开了一种基于GMDH选择性组合的能源消费量时间序列预测方法及装置,其中方法包括:S1.获取原始能源消费量时间序列yt,根据原始能源消费量时间序列yt得到线性部分预测结果和非线性子序列ut;S2.采用多种非线性单一模型作为AdaBoost算法的弱学习器,在非线性子序列ut上使用AdaBoost算法进行集成预测,得到多个集成预测结果;S3.对非线性子序列ut和多个集成预测结果使用GMDH神经网络进行选择性组合预测,找到最优复杂度的组合预测模型u*;S4.利用最优复杂度的组合预测模型u*预测得到非线性子序列ut对应的非线性部分预测结果S5.将线性部分预测结果和非线性部分预测结果相加得到能源消费量时间序列预测值本发明相较于已有的混合模型模型具有更好的预测性能。
搜索关键词: 基于 gmdh 选择性 组合 能源 消费量 时间 序列 预测 方法 装置
【主权项】:
1.基于GMDH选择性组合的能源消费量时间序列预测方法,其特征在于,包括:S1.获取原始能源消费量时间序列yt,根据原始能源消费量时间序列yt得到线性部分预测结果和非线性子序列ut;S2.采用多种非线性单一模型作为AdaBoost算法的弱学习器,在非线性子序列ut上使用AdaBoost算法进行集成预测,得到多个集成预测结果;S3.对非线性子序列ut和多个集成预测结果使用GMDH神经网络进行选择性组合预测,找到最优复杂度的组合预测模型u*;S4.利用最优复杂度的组合预测模型u*预测得到非线性子序列ut对应的非线性部分预测结果S5.将线性部分预测结果和非线性部分预测结果相加得到能源消费量时间序列预测值
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于四川大学,未经四川大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/patent/201810258063.5/,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top