[发明专利]电网投资预测方法及系统

说明书

技术领域

本发明涉及投资预测领域，尤指一种电网投资预测方法及系统。

背景技术

现有的关于电网投资预测的研究，主要从两个思路对电网投资进行预测。部分研究是通过分析电网投资历年的变化趋势，对未来的电网投资进行直接的预测。这种预测方法简单且需要的数据较少，但在预测过程中没有考虑电网投资的变化是多种因素共同作用的，因此在预测精度上存在明显不足。还有一部分研究是基于考虑不同因素对电网投资量的影响，然后通过研究电网投资与因素之间的依存关系从而对电网投资进行预测。由于各个影响因素的在未来的变化趋势较容易掌握，因此通过研究电网投资与因素之间的关系能有效提高预测精度。

电网投资的影响因素主要有GDP总量、社会总用电量和能源生产总量，能源消费总量等，又逐渐被细分为第二产业比例、第三产业比例、人均用电量、能源结构等多个因素。由于影响电网投资的因素众多，简单的线性回归以及时间序列则很难满足预测精度的要求。

发明内容

本发明目的在于基于经验模态分解理论使用混合预测方法，利用各因素变化量影响之下电网投资时间序列的发展趋势，从而对电网投资进行更为精确的预测。

为达上述目的，本发明具体提供一种电网投资预测方法，所述方法包含：获取电网投资时间序列信号，通过EMD方法将所述电网投资时间序列信号分解为复数个IMF信号和余项；将所述IMF信号与预定阈值比较，获得高频分量IMF信号和低频分量IMF信号；通过神经网络预测方法分析所述高频分量IMF信号，获得第一预测结果；通过时间序列预测方法分析所述低频分量IMF信号，获得第二预测结果；通过回归模型分析所述余项，获得第三预测结果；根据所述第一预测结果、所述第二预测结果和所述第三预测结果，获得电网投资预测结果。

在上述电网投资预测方法中，优选的，所述通过神经网络预测方法分析所述高频分量IMF信号，获得第一预测结果包含：根据所述高频分量IMF信号，利用所述神经网络分析所述高频分量，获得第一预测结果。

在上述电网投资预测方法中，优选的，将所述IMF信号与预定阈值比较，获得高频分量IMF信号和低频分量IMF信号包含：将所述IMF信号的特征时间尺度大小与预定阈值比较，获得高频分量IMF信号和低频分量IMF信号；其中高于所述预定阈值的所述IMF信号为低频分量IMF信号，低于所述预定阈值的所述IMF信号为高频分量IMF信号。

在上述电网投资预测方法中，优选的，所述通过EMD方法将所述电网投资时间序列信号分解为复数个IMF信号包含：利用EMD方法中IMF信号定义，筛选所述电网投资时间序列信号中符合IMF信号定义的信号，获得符合所述IMF信号定义的复数个IMF信号。

在上述电网投资预测方法中，优选的，所述利用EMD方法中IMF信号定义，筛选所述电网投资时间序列信号中符合IMF信号定义的信号包含：根据所述电网投资时间序列信号获得所述电网投资时间序列信号的极大值点和极小值点，通过三次样条差值函数分别绘制所述极大值点和所述极小值点所对应的上包络线和下包络线；计算所述上包络线和所述下包络线的均值，获得均值包络线；通过原始序列减去所述均值包络线，获得待测序列；根据所述待测序列获得复数个IMF信号。

在上述电网投资预测方法中，优选的，所述通过EMD方法将所述电网投资变化量序列信号分解为余项包含：将所述原始序列减去复数个IMF信号，获得筛选序列；当所述筛选序列为单调函数时，所述筛选序列为余项。

在上述电网投资预测方法中，优选的，所述通过时间序列预测方法分析所述低频分量IMF信号，获得第二预测结果包含：通过时间序列预测方法中的向量自回归模型分析所述低频分量IMF信号，获得第二预测结果；其中所述向量自回归模型如下：

X_t＝a₀+a₁X_t-1+a₂X_t-2…+a_pX_t-p+ε_t-b₁ε_t-1-b₂ε_t-2…-b_qε_t-q；

式子中，a_i为自回归参数，b_i为滑动平均参数。{ε_t}为白噪声序列。称此模型为ARMA(p,q)模型，称适合此模型的{X_t}为ARMA(p,q)序列。