專利名稱：一種基于灰色多因素預測模型的能源供需預測方法
技術領域：
本發明屬于卷煙生產技術領域，具體涉及一種基于灰色多因素預測模型的能源供需預測方法。
背景技術：
我國煙草企業如何在確保穩定供給和安全生產的前提下，高效利用有限能源，優化供需結構，充分利用二次能源，減少能源供需不平衡造成的浪費是個十分重要的問題。以預測變化趨勢為基礎，有效調度能源至關重要。目前，國內大多數煙草企業的能源預測是基于人工經驗的短時預測，對預測者的經驗要求比較高，缺少預測模型的支持。大多數關于能源供需的研究都集中在單一能源或兩種能源的供需預測，很少有包含多種能源的供需預測。
目前有關能源供需預測的系統和方法主要有以下幾種I.神經網絡模型雖然具有較高的非線性映射能力，能以任意精度逼近非線性函數，但在實際計算中，也存在一些問題(I)反向傳播的計算過程收斂速度慢，一般需要成百上千次的迭代計算；(2)存在能量函數的極小值；(3)隱含神經元個數和連接權的選取往往靠經驗；(4)網絡的收斂性與網絡的結構有關等。2.回歸方程法由于煙草企業能源系統復雜，所涉及的能源種類繁多，能源之間相互關聯，不適合用回歸方程預測。并且應用回歸方程進行估算預測時，只能由自變量來估計因變量，不允許因變量來推測自變量。3.灰色 GM(I，η)模型可以看到很多將灰色GM(1，η)模型應用到實際的系統擬合和預報中，但是效果都不是很理想，因為盡管表述灰色GM(1，η)模型機理的微分方程很簡單，但是模型的實際求解很難得到，而方程的求解方法直接決定了模型擬合、預測效果。雖然灰色GM(l，n)模型能反應系統中各個因素之間的相互關系，但它只適合建立系統的狀態模型，適合于各變量的動態分析，適合于為高階系統建模提供基礎，不適合預測。4.多因素預測MGM(1，η)模型通常作為系統分析，需要考慮多因素相互制約、相互聯系的系統的建模。灰色系統理論的多因素預測MGM(1，η)模型，是通過建立一階微分方程來反映系統中η個關聯因素對其中某個因素變化的影響，適合用于對煙草企業能源供需的預測。但是由于多變量輸入輸出問題變量個數比較多，而且變量與變量之間存在相互關系，故預測精度不是很高。5.因子分析因子分析是將具有錯綜復雜關系的變量(或樣品)綜合為數量較少的幾個因子，以再現原始變量與因子之間的相互關系，同時根據不同因子還可以對變量進行分類，它屬于多元分析中處理降維的一種統計方法，所以我們在對其進行預測前進行因子分析，能有效提聞灰預測精度。因此在運用多因素預測MGM(1，η)模型對企業能源的供需進行預測時需要與因子分析法相結合，以提高預測精度。
發明內容
本發明的目的在于克服現有技術的不足，提供一種與因子分析法相結合的基于灰色多因素預測模型的能源供需預測方法。本發明的目的是這樣實現的一種基于灰色多因素預測模型的能源供需預測方法，先利用因子分析的方法，降低原始數列的維數將變量綜合為數量較少的幾個因子，以再現原始變量與因子之間的相互關系，同時根據不同因子對變量進行分類，對數列再進行核平滑處理，對時間點附近的點給予較大權數，然后再進行灰色預測。 其中，具體包括如下步驟建立R型因子分析數學模型，包括利用實測數據對煙草企業能源供需的眾多指標建立供和需R型因子分析數學模型，將原始數據標準化，建立變量的相關系數陣，求R的特征根及相應的單位特征向量，并根據要求提取m個特征根及相應的特征向量寫出因子載荷陣A，對A施行方差最大正交旋轉，把能源供需各指標分別用公共因子表示出來，計算因子得分；核平滑處理，對提出的主成分時間點附近數據給予較大權數；計算帶寬h，進行反復嘗試和修正，得出新的經核平滑處理后的數列；建立MGM (I，η)預測模型，包括對能源供需中經因子分析后得出η個影響系統的變量，建立MGM(1，η)模型，通過計算求得系統中各因素的擬合值和預測值，對計算結果進行分析，對系數矩陣進行適當調整或控制，反復協調，直到求得滿意結果為止，對預測的能源供需指標各個指標分別建立GM(1，I)殘差修正模型；對預測的能源供需指標各個指標分別建立GM(1，I)殘差修正模型，包括S4. I、對預測后的能源供需量建立殘差序列，S4. 2、建立殘差 GM(1，I)模型，S4. 3、與實際值相比較得出新的殘差，驗證精度。與現有技術相比，本發明具有如下優點先利用因子分析的方法，降低原始數列的維數將具有錯綜復雜關系的變量綜合為數量較少的幾個因子，以再現原始變量與因子之間的相互關系，同時根據不同因子還可以對變量進行分類。對數列再進行核平滑處理，對時間點附近的點給予較大權數。然后再進行灰預測，能有效提高其預測精度。
圖I是本發明的一種基于灰色多因素模型MGM(1，η)的能源供需預測方法的參數配置流程圖；圖2是本發明的能源供需預測模塊算法流程圖；圖3是本發明的預測系統功能結構圖。
具體實施例方式下面結合附圖及實施例對本發明作出進一步詳細說明，但不以任何方式對本發明加以限制，依據本發明的教導所作得任何變更或替換，均屬于本發明的保護范圍。
圖I 圖3為本發明的一種具體實施方式
。圖I為本預測方法的參數配置流程圖。從實測的數據庫中提取能源供需數據，分別對供需進行因子分析，然后進行核平滑處理，對預處理后的數據MGM(1，η)模型，對供需進行預測，與實測結果相比較，如不滿意對模型系數進行修正。將得到的滿意預測結果每一類型建立GM(1，1)模型進一步修正，使預測結果更為精確，最后將模型保存在算法庫中。圖2是本發明的能源供需預測模塊算法流程圖。從數據庫中提取建模的實測數據，并對數據進行預處理，從算法庫中提取相應的預測模型系數信息，然后運用預處理后的數據和提取的模型進行預測與修正結果，最后輸出結果。圖3是本發明的預測系統功能結構圖。主要包括所需預測的能源供需類別模塊，實測各類別的數據模塊，能源供需預測模型的參數模塊，預測殘差修正模塊。本實施例對對煙草企業能源供需預測過程如下對煙草企業能源供需建立R型因子分析數學模型步驟(I)實測一周各時間段數據，選取有代表性的數據；步驟(2)利用實測數據對煙草企業能源供需的眾多指標建立供需R型因子分析數學模型；將實測數據指標建立如下因子分析數學模型
X1 = O11F1 + O12F2 +■·· + ahnFm + E1
「 .~ +^22^*2 "I t a2.mFm + ￡.2<.
ΧΡ = αΡΛ + aP2F2 +··· + αΡΛ, + ερ用矩陣表示
JT1 αη α12 …alm F1 E1
r,a2\ a22 …a2m￡2= , ,. . + .
Aj Ιλι ■·· vjk」[￡p_且滿足 m ^ p ；②Cov(F, ε )=0即F和ε是不相關的；
權利要求
1.一種基于灰色多因素預測模型的能源供需預測方法，其特征在于，先利用因子分析的方法，降低原始數列的維數將變量綜合為數量較少的幾個因子，以再現原始變量與因子之間的相互關系，同時根據不同因子對變量進行分類，對數列再進行核平滑處理，對時間點附近的點給予較大權數，然后再進行灰色預測。
2.如權利要求I所述基于灰色多因素預測模型的能源供需預測方法，其特征在于，包括如下步驟 建立R型因子分析數學模型，包括 利用實測數據對煙草企業能源供需的眾多指標建立供和需R型因子分析數學模型， 將原始數據標準化， 建立變量的相關系數陣， 求R的特征根及相應的單位特征向量，并根據要求提取m個特征根及相應的特征向量寫出因子載荷陣A， 對A施行方差最大正交旋轉， 把能源供需各指標分別用公共因子表示出來，計算因子得分； 核平滑處理，對提出的主成分時間點附近數據給予較大權數；計算帶寬h，進行反復嘗試和修正，得出新的經核平滑處理后的數列； 建立MGM (Ln)預測模型，包括 對能源供需中經因子分析后得出η個影響系統的變量， 建立MGM(1，η)模型， 通過計算求得系統中各因素的擬合值和預測值， 對計算結果進行分析，對系數矩陣進行適當調整或控制，反復協調，直到求得滿意結果為止， 對預測的能源供需指標各個指標分別建立GM(1，I)殘差修正模型； 對預測的能源供需指標各個指標分別建立GM(1，I)殘差修正模型，包括 對預測后的能源供需量建立殘差序列， 建立殘差GM (I, I)模型， 與實際值相比較得出新的殘差，驗證精度。
全文摘要
本發明涉及一種對煙草企業能源供需的預測方法。本發明先利用因子分析的方法，降低原始數列的維數將變量綜合為數量較少的幾個因子，以再現原始變量與因子之間的相互關系，同時根據不同因子還可以對變量進行分類，對數列再進行核平滑處理，對時間點附近的點給予較大權數，然后再進行灰色預測，能有效提高其預測精度。
文檔編號G06F19/00GK102708296SQ20121014888
公開日2012年10月3日 申請日期2012年5月15日 優先權日2012年5月15日
發明者孔穎萍, 朱宏, 楊建昆, 沈丁洋, 王慧 申請人:紅云紅河煙草(集團)有限責任公司