买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉广西民族大学申请的专利一种基于ICA算法优化PSO-BP神经网络模型的能源需求预测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN117934059B 。

龙图腾网通过国家知识产权局官网在2025-08-01发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202410086999.X，技术领域涉及：G06Q30/0202；该发明授权一种基于ICA算法优化PSO-BP神经网络模型的能源需求预测方法是由鄂建伟;杨茗舒;何凯丽;陆泽伊设计研发完成，并于2024-01-22向国家知识产权局提交的专利申请。

本一种基于ICA算法优化PSO-BP神经网络模型的能源需求预测方法在说明书摘要公布了：本发明涉及能源需求预测技术领域，具体为一种基于ICA算法优化PSO‑BP神经网络模型的能源需求预测方法。首先，本发明为了对未来能源需求进行准确地预测，根据以往的数据建立了一种未来能源影响数据生成模型对未来的能源总量、能源使用量、气候环境、地理特征、人口数量、经济收入、能源污染度和能源价格进行数据生成；其次，本发明提出一种能源成本模型用于对未来能源影响数据生成模型输出结果进行成本预测；接着，本发明为了更加准确地预测未来能源需求，提出一种改进ICA算法；该算法的主要作用在于对能源需求的影响因素进行分析；最后，本发明通过一种改进的PSO‑BP网络模型实现了对未来能源需求的准确预测。

本发明授权一种基于ICA算法优化PSO-BP神经网络模型的能源需求预测方法在权利要求书中公布了：1.一种基于ICA算法优化PSO-BP神经网络模型的能源需求预测方法，其特征在于，包括： 采集所在区域N年的历史能源影响数据和历史能源成本数据；N为大于1的自然数； 对所述历史能源影响数据进行预处理，得到标准能源影响数据，并构建标准能源影响数据集； 所述标准能源影响数据集和所述历史能源成本数据建立能源成本影响关联度矩阵； 建立历史能源影响差异矩阵；其中，表示所述历史能源影响差异矩阵中第N-1行第K列的差异值；的计算公式为：；其中，表示为第N条历史能源影响数据中第K个能源成本影响指标； 初始化能源影响变化向量；其中，表示为第K个能源成本影响指标的变化值，； 根据所述能源成本影响关联度矩阵和所述能源影响变化向量构建未来能源影响数据生成模型，获取未来能源影响数据； 利用所述标准能源影响数据集训练能源成本模型，计算损失值，优化模型； 输入所述未来能源影响数据至所述能源成本模型，得到未来能源预测成本； 将所述标准能源影响数据、所述历史能源成本与历史的能源发展政策特征向量相结合，得出能源需求特征权重矩阵； 所述能源需求特征权重矩阵采用能源需求特征工程分析模型； 其中，所述能源需求特征工程分析模型的具体实现过程包括：构建能源需求特征权重矩阵；其中，所述能源需求特征权重矩阵表示为：；其中，表示为第i年所述标准能源影响数据、所述历史能源成本数据与历史的能源发展政策特征向量组成的向量； 标准化所述能源需求特征权重矩阵，得到标准化能源需求特征权重矩阵； 建立能源需求特征分析函数；其中，所述能源需求特征分析函数的表达式为： ； 其中，表示为t时刻的能源需求特征分析函数；表示能源需求特征观测结果；表示为时间特征分析函数； 所述的计算公式为： ； 其中，表示为能源需求特征权重矩阵；A表示为混合矩阵； 所述时间特征分析函数的公式为： ； 其中，表示为所述时间特征分析函数的参数；表示为误差项； 输入所述未来能源影响数据、所述未来能源预测成本和未来的能源发展政策特征向量至能源需求预测模型； 所述能源需求预测模型的具体实现步骤包括： 步骤一：根据所述标准能源影响数据集、所述历史能源成本数据和历史的能源发展政策特征向量确定所述能源需求预测模型结构； 步骤二：获取所述能源需求特征权重矩阵作为所述能源需求预测模型的初始化权重参数； 步骤三：根据能源需求优化粒子群算法，初始化粒子的速度、位置、个体极值和全局极值； 步骤四：选择适应度函数，评估每个粒子的适应值，得到初始化粒子适应值集合； 步骤五：对所述初始化粒子适应值集合的每个元素进行评估；若当前适应值优于局部最优解， 步骤六：将局部最优解进行更新；若当前适应值优于全局最优解，将全局最优解进行更新； 步骤七：重新计算粒子的速度和速度，并进行变异操作； 步骤八：判断迭代次数小于预设值，返回步骤四； 步骤九：将得到的最优值分配给模型进行训练和学习； 输出未来能源需求预测结果。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人广西民族大学，其通讯地址为：530000 广西壮族自治区南宁市西乡塘区大学东路188号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。