[发明专利]一种基于多模型融合策略的能源效率评价方法

权利要求书

1.一种基于多模型融合策略的能源效率评价方法，其特征在于：所述基于多模型融合策略的能源效率评价方法包括以下步骤：

步骤一：将数据进行归一化处理，得到归一化训练集；其具体过程为：

数据标准化的预处理也称为归一化，使用简化后的转换函数来对数据进行标准化的预处理，若有N个样本，对每个样本第m个特征进行处理，其表达形式如公式(1)所示：

预处理后的特征值分布在[0，1]区间，其中所述x_im^*为第i个样本的第m个特征归一化后的值，x_im为第i个样本的第m个特征原始值；

步骤二：对步骤一得到的归一化训练集进行特征选择；其具体过程为：

采用将信息增益和核主成份分析相结合的融合方法选取特征；即利用信息增益得到不同特征对应的信息增益，由大到小进行排序，利用核主成份分析方法做校核计算；

所述利用信息增益得到不同特征对应的信息增益的具体过程为：

设特征空间为X，样本第m个特征X_m，其信息增益IG(X_m)为：

IG(X_m)＝H(C)-H(C|X_m)

其中C代表所需分类类别，H(C)代表C类所对应的信息熵，H(C|X_m)代表在特征X_m条件下，类所属为C时的信息熵；

假如类别C的取值为n种，每一种取到的概率为p(C_j),j＝1,2,...,n，H(C)为：

步骤三：根据步骤一和步骤二建立多分类器融合的评价模型，得到能源效率评价的分类结果；其具体过程为：

对步骤一中所得的归一化训练集分别进行决策树算法中的J48模型、基于规则的分类算法中的LogitBoost模型、基于元学习策略的JRip型学习器训练得到3种模型；

以步骤二中所选择的特征作为模型输入，模型输出为0,1分类，0代表高能源效率，1代表低能源效率；采用的训练策略为10折交叉验证方法；

每当测试一个新样本，分别输入至所获得的3种模型中，得到3个结果，通过均权投票的方式得到分类结果；

步骤四：对步骤三得到的分类结果进行聚类分析，得到最终的聚类结果。

2.根据权利要求1所述的一种基于多模型融合策略的能源效率评价方法，其特征在于：所述步骤一中的数据具体包括：一次能源生产量、能源消耗总量、能源消费弹性系数、GDP、能源工业投资额、单位生产总值能耗、资本存量、和二氧化硫排放系数。

3.根据权利要求2所述的一种基于多模型融合策略的能源效率评价方法，其特征在于：所述步骤四中对步骤三得到的分类结果进行聚类分析，得到最终的聚类结果的具体过程为：

对于步骤三得到的分类结果中的高能源效率样本进行再分析，将采用k均值聚类算法和EM算法得到的相同的聚类结果作为原始融合聚类结果，再利用FCM聚类方法进行校核计算，得到最终的融合聚类结果。