[发明专利]计量用表需求量在线预测方法及终端设备

说明书

本发明适用于大数据技术领域，提供了计量用表需求量在线预测方法及终端设备，所述方法包括：获取预设时间段内的历史用表数据；基于所述历史用表数据分别训练Holt‑Winters初始模型和BP神经网络的初始模型，分别得到Holt‑Winters的最终模型和BP神经网络的最终模型；根据所述Holt‑Winters的最终模型和BP神经网络的最终模型，确定组合预测模型；根据所述组合预测模型，预测目标时刻的计量用表需求量。由于根据历史数据拟合的模型对目标时刻的计量用表需求量进行预测，预测的结果更准确，不需要人工汇总，效率更高。

技术领域

本发明属于大数据技术领域，尤其涉及计量用表需求量在线预测方法及终端设备。

背景技术

在网省级电力计量中心成立后,计量器具需求的收集主要由省级计量中心完成，表计采购计划和月度配送计划的制定均是由人工综合估算形成的。各网省公司通过线下汇总所辖市县公司提报的年度用表计划，同时结合本单位库存情况、历年装拆数量、到期轮换数量等关联因素，制定计量器具年度采购计划；各县公司每月向市公司提报下月电能表需求计划，市公司人工汇总平衡后上报省计量中心，省计量中心结合各市县公司提报的用表数量、规格型号、库存情况、到货情况等因素，人工制定电能表月度配送计划。表计采购计划和配送计划的准确性对年度物资的采购、检定和配送工作的顺利开展、省级计量中心的库存量及库存结构、需求订单的快速响应、资产配置的合理性均有重大影响。

目前，当前各单位年度采购计划和月度表计需求计划采用线下人工综合汇总、评估形成的形式，计划精准度不高，日益成为制约计量集约化、精益化管理的瓶颈。

发明内容

有鉴于此，本发明实施例提供了计量用表需求量在线预测方法及终端设备，以解决现有技术中线下人工综合汇总、评估形成的形式，计划精准度不高，日益成为制约计量集约化、精益化管理的瓶颈的问题。

本发明实施例的第一方面提供了一种计量用表需求量在线预测方法，包括：

获取预设时间段内的历史用表数据；

基于所述历史用表数据分别训练Holt-Winters初始模型和BP神经网络的初始模型，分别得到Holt-Winters的最终模型和BP神经网络的最终模型；

根据所述Holt-Winters的最终模型和BP神经网络的最终模型，确定组合预测模型；

根据所述组合预测模型，预测目标时刻的计量用表需求量。

本发明实施例的第二方面提供了一种计量用表需求量在线预测装置，包括：

历史用表数据获取模块，用于获取预设时间段内的历史用表数据；

模型训练模块，用于基于所述历史用表数据分别训练Holt-Winters初始模型和BP神经网络的初始模型，分别得到Holt-Winters的最终模型和BP神经网络的最终模型；

组合预测模型确定模块，用于根据所述Holt-Winters的最终模型和BP神经网络的最终模型，确定组合预测模型；

计量用表需求量预测模块，用于根据所述组合预测模型，预测目标时刻的计量用表需求量。

本发明实施例的第三方面提供了一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如第一方面所述方法的步骤。

本发明实施例的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面所述方法的步骤。