[发明专利]一种能源消费预测方法

权利要求书

1.一种能源消费预测方法，其特征在于，包括：

步骤1：采集包括历史能源消费量、人口数量、GDP、产业结构、能源消费结构、能源强度、碳排放强度以及进出口总额在内的样本数据；

步骤2：对样本数据进行无量纲化处理，并计算各个样本数据与能源消费结构的灰色关联度，根据灰色关联度的排序来筛选模型的输入因素；

步骤3：对待预测序列进行基于集成经验模态分解的序列降噪，得到多个IMF分量；

步骤4：对通过集成经验模态分解得到的IMF分量运用改进的混合蛙跳算法优化最小二乘支持向量机的参数，并建立预测模型，对预测的结果进行重构，得到最终的能源消费预测结果。

2.根据权利要求1所述方法，其特征在于，所述集成经验模态分解为在传统经验模态分解的基础上，在原有信号中加入高斯白噪声，利用白噪声频率均匀分布的统计特性，消除原信号中的间歇现象，从而有效地抑制模态混叠问题。

3.根据权利要求1或2所述方法，其特征在于，所述集成经验模态分解的具体步骤如下：

步骤301：在目标信号中加入随机高斯白噪声序列，

X_m(t)＝X(t)+k·n_m(t) (1)

式中，k为加入的白噪声的幅值系数，n_m(t)为白噪声序列，X(t)为目标信号，X_m(t)为加入白噪声的信号；

步骤302：将加入白噪声的信号利用EMD分解为一组IMF；

步骤303：每次加入不同的白噪声序列，重复上述步骤；

步骤304：计算分解后IMF的均值，把分解得到的各个IMF的均值作为最终的结果，

式中，m为EMD的集成次数，m＝1,2,…,N；c_i,m为第m次EMD分解所产生的第i个IMF，为分解得到的各个IMF的均值。

4.根据权利要求1或2所述方法，其特征在于，所述改进的混合蛙跳算法为在传统的混合蛙跳算法中，引入非线性递减的惯性权值，避免算法陷入局部最优解。

5.根据权利要求1或2所述方法，其特征在于，所述改进的混合蛙跳算法公式如下：

D_i＝rand()(X_bi-X_wi) (8)

X′_w＝ωX_w+D_i(-D_max≤D_i≤D_max) (10)

式中，D_i为青蛙的步长，rand()是分布在[0,1]之间的随机数，X_bi、X_wi分别为适应度最优和最差的第i个青蛙；X′_w为更新后得到的青蛙的适应度，X_w为原来的青蛙的适应度，ω为惯性权重，D_max是青蛙的最大步长，ω_max为最大惯性权重；ω_min为最小惯性权重；t为当前子种群的迭代次数与当前总的混合迭代次数的乘积；k为子种群总的迭代次数。

6.根据权利要求1或2所述方法，其特征在于，所述运用改进的混合蛙跳算法优化最小二乘支持向量机的参数具体包括：

步骤401：设置改进的混合蛙跳算法的参数，初始化青蛙种群；

步骤402：计算每个青蛙个体的适应度值并进行排序；

步骤403：进行子群体划分，并确定每个子群体中的最优解、最差解和群体全局最优解；

步骤404：对每个子群体中的最差青蛙个体做局部搜索并进行更新操作，直至局部搜索结束；

步骤405：把更新后的子群体进行混合；

步骤406：判断是否达到最大迭代次数，如果达到，停止优化，输出最优解，否则转至步骤402；

步骤407：将优化后的参数值赋给最小二乘支持向量机，构建预测模型进行预测。