申请/专利权人：苏州小威数智技术有限公司

申请日：2023-02-27

公开（公告）日：2023-05-23

公开（公告）号：CN116151457A

主分类号：G06Q10/04

分类号：G06Q10/04;G06Q50/08;G06F18/2135;G06N3/0499

优先权：

专利状态码：在审-实质审查的生效

法律状态：2023.06.09#实质审查的生效;2023.05.23#公开

摘要：本发明公开了一种影响因子降维处理的人工神经网络能耗预测方法，该预测方法的实现方式如下：输入模块，将历史能耗数据、环境数据、人为数据以及建筑自身的特性参数，作为因子降维模块的输入；降维模块，做原始数据标准化。该影响因子降维处理的人工神经网络能耗预测方法中，采用降维统计分析法，将能耗影响因子产生的多维输入变量进行预处理，既减少神经网络算法输入变量的维数，又消除了各输入变量间存在的相关性，简化了网络结构，提高网络处理速度，增加网络稳定性、收敛性、确定性等，其中，降维统计分析法，可以采用目前流行的主成分分析法、因子算法等成熟算法。

主权项：1.一种影响因子降维处理的人工神经网络能耗预测方法，其特征在于：该预测方法的实现方式如下：输入模块，将历史能耗数据、环境数据、人为数据以及建筑自身的特性参数，作为因子降维模块的输入；降维模块，做原始数据标准化，对原始变量进行标准化处理将每个因子设定为有m个指标参数：X1，X2，...，Xm，分别表示每个因子的各个特征，如果有n个因子，可以用n×m矩阵表示输入矩阵： 首先进行中心标准化处理生成标准矩阵Y，即 建立相关矩阵R，并计算其特征值和特征向量，即R＝X*TX*n-1确定主成分的个数了，方差贡献率和累计方差贡献率分别为： p个主成分对应的特征向量为Um×p＝[μ1，μ2，...，μp]，则n个样本的p个主成分构成的矩阵为BP神经网络模块，经降维模块输出的P个主成分组成的矩阵zx×p，作为BP神经网络预测模型的输入变量，按照一年365天，共365个输入样本，将样本分组，每月1日、2日、…、30日、31日作为一组，每组12个能耗历史数据，以及对应的其他参数，对于某个月份没有29、30、31日的月份，考虑用上一月的数据补充，预测出下一年某天的能耗数据，对于按周、月、季度、年度维度的预测，也用类似的方法来实现。

全文数据：

权利要求：

百度查询： 苏州小威数智技术有限公司 一种影响因子降维处理的人工神经网络能耗预测方法

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD