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！

申请/专利权人：北京航天创智科技有限公司

摘要：本发明涉及一种基于图神经网络的企业能耗预测方法及装置，通过获取历史数据构建样本数据集，并根据每个企业的所属行业和用能类型计算邻接矩阵M和权重矩阵W，以构建基于图神经网络的预测模块。本发明提供的技术方案，针对现有技术的缺点，不仅考虑历史能耗数据与未来预测结果的时序变化关系，同时考虑到企业能耗类型和行业信息，以此计算邻接矩阵M和权重矩阵W来构建图神经网络，从而提高了预测精度，通过提供一个更加灵活的预测框架，既可以从更细的尺度预测单个企业的能耗情况，也可以得到不同行业或不同区域的能耗预测结果。

主权项：1.一种基于图神经网络的企业能耗预测方法，其特征在于，包括：S1、从数据源中获取预定历史周期内多个企业的企业数据，所述企业数据划分为待预测变量和历史输入变量；S2、利用所述企业数据，构建样本数据集，将所述样本数据集划分为训练数据集、验证数据集和测试数据集；所述构建样本数据集，包括：S21、获取待预测月份前t个月各企业的历史输入变量，所述历史输入变量包括16种产值能耗信息，并对每个企业的所属行业和用能类型进行编码；根据所得到的编码，计算邻接矩阵和权重矩阵；S22、获取待预测月份前预定月数各企业的历史输入变量，以得到单个样本的输入特征，该输入特征的维度为；其中，为企业数量，为历史月数，为输入特征数量；S23、获取待预测月份的待预测变量，得到单个样本的标签，该标签Y的维度为，为输出特征数量；S24、对所述输入特征和标签进行标准化处理；S25、遍历所述预定历史周期中所有的历史月份，重复所述步骤S21-S24，得到所述样本数据集的所有样本，所述样本的数据结构包括邻接矩阵、权重矩阵、输入特征和标签；S3、获取待预测月份前t个月各企业的历史输入变量，利用其中每个企业的所属行业和用能类型计算邻接矩阵和权重矩阵；所述计算邻接矩阵，包括：S311、计算两个企业间的Jaccard距离： 其中，和为企业和企业的编码；S312、遍历所有企业，计算两两之间的Jaccard距离，得到距离矩阵，该距离矩阵的维度为，为企业数量；S313、针对距离矩阵中的元素，；若，则；若，则；从而得到邻接矩阵，其中，为预设距离阈值，为邻接矩阵中的元素；所述计算权重矩阵，包括：针对所述邻接矩阵中的元素，若，则采用高斯核函数计算权重值：若，则；从而得到权重矩阵，其中，为权重矩阵中的元素；S4、构建基于图卷积神经网络的预测模型，并将所述邻接矩阵和权重矩阵输入所述图卷积神经网络的预测模型中；S5、采用所述训练数据集中的样本对所述预测模型进行训练，并采用所述验证数据集验证所述预测模型的精度，直至采用测试数据集测试输出的预测结果满足精度要求；S6、采用所述预测模型进行企业能耗预测。

全文数据：

权利要求：

百度查询： 北京航天创智科技有限公司 一种基于图神经网络的企业能耗预测方法及装置