[发明专利]一种基于相关分析的BP神经网络用水量预测方法在审
| 申请号： | 201810498749.1 | 申请日： | 2018-05-23 |
| 公开（公告）号： | CN108764473A | 公开（公告）日： | 2018-11-06 |
| 发明（设计）人： | 刘心;刘龙龙;李文竹 | 申请（专利权）人： | 河北工程大学 |
| 主分类号： | G06N3/08 | 分类号： | G06N3/08;G06N3/04;G06Q10/04;G06Q50/06 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 056038 河北*** | 国省代码： | 河北;13 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于相关分析的BP神经网络居民社区日用水量预测方法，首先利用相关分析理论对用水量影响因素进行分析，按影响大小进行排序，接着用偏自相关理论对日用水量序列进行分析，找出日用水量时间序列内部存在的相关关系，确定最优延迟时间，进而确定输入变量，建立了基于相关分析的BP神经网络社区用水量预测模型。对模型进行训练时，使用打乱日用水量按照时间先后顺序排列而形成的数据序列作为训练集，突破时间序列的限制，消除时间因素的影响，提高了预测方法的泛化能力。 | ||
| 搜索关键词： | 日用水量 分析 用水量 时间序列 预测 居民社区 时间因素 输入变量 数据序列 影响因素 预测模型 训练集 自相关 排序 延迟 社区 | ||
【主权项】：
1.一种基于相关分析的反向传播（BP，Back Propagation）神经网络居民社区日用水量预测方法，所述BP神经网络为三层BP网络，包括n个输入层神经元，p个隐含层神经元和1个输出层神经元，该方法包括如下步骤：首先对样本数据进行相关分析，确定输入变量；然后利用打破严格时间序列的训练集确定预测模型的参数以确定预测模型；最后，利用该BP神经网络预测模型进行预测，输出结果。
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河北工程大学，未经河北工程大学许可，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/201810498749.1/，转载请声明来源钻瓜专利网。
- 上一篇：卷积神经网络分数阶误差反向传播方法
- 下一篇：一种神经元参数拟合方法
