首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

基于CSO优化DBN模型的电力业扩项目时长预测方法 

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:广东电网有限责任公司广州供电局

摘要:本发明涉及一种基于CSO优化DBN模型的电力业扩项目时长预测方法,包括:根据项目费用的分布,确定待预测项目的目标DBN预测模型;将待预测项目数据输入至训练好的目标DBN预测模型中,得到待预测的项目时长;训练DBN预测模型包括:根据历史项目费用将电力业扩历史项目分类得到四个项目的费用区间;动态选择每个费用区间的历史数据,建立对应类别的DBN预测模型;根据DCCSO对DBN预测模型的初始权值优化,得到目标初始权值;对DBN预测模型的目标初始权值进行微调,得到训练好的DBN预测模型。本申请在训练的早期利用DCCSO优化DBN预测模型的权值并通过联合初始权值的正则项作为目标适应度函数,通过优化后的DBN模型对业扩时长进行预测,能够快速得到精确的业扩时长。

主权项:1.一种基于CSO优化DBN模型的电力业扩项目时长预测方法,其特征在于,该方法包括以下步骤:获取待预测项目的项目费用和项目工程量;根据所述项目费用的分布,确定所述待预测项目的目标DBN预测模型;将所述待预测项目的项目费用和项目工程量输入至训练好的所述目标DBN预测模型中,得到待预测的项目时长;其中,所述DBN预测模型的训练方法如下:获取电力业扩历史项目的历史数据并剔除异常数据,所述历史数据包括历史项目费用、历史项目工程量、历史项目时长;根据所述历史项目费用的分布,通过四分位数将所述电力业扩历史项目分类,得到四个项目的费用区间;动态选择每个所述费用区间的历史项目的历史数据作为训练集,以所述历史项目费用和历史项目工程量作为输入,以所述历史项目时长作为目标输出,基于所述训练集建立对应类别的DBN预测模型,得到四个DBN预测模型;根据DCCSO对所述DBN预测模型的初始权值进行优化,得到目标初始权值,其中所述DCCSO为改进的混沌纵横交叉算法,相比于CSO,DCCSO多了利用混沌算子进行混沌交叉的计算公式;对所述DBN预测模型的目标初始权值进行自上而下的微调,得到训练好的DBN预测模型;其中,所述根据DCCSO对所述DBN预测模型的初始权值进行优化,得到目标初始权值,包括:以平均绝对误差、均方误差以及初始权值的正则项的和最小为目标函数;确定所述初始权值的上下限并初始化种群Z=[Z1,Z2,…,ZM],其中,M为所述种群的粒子数量;执行纵向交叉运算得到子种群Svc,利用所述子种群Svc通过混沌运算得到子种群G,并将Svc和G联合起来一起更新种群Z;执行横向交叉运算得到子种群Shc,利用Shc通过混沌运算得到子种群G,并将Shc和G联合起来一起更新种群Z;根据预设的迭代次数更新种群Z。

全文数据:

权利要求:

百度查询: 广东电网有限责任公司广州供电局 基于CSO优化DBN模型的电力业扩项目时长预测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。