[发明专利]一种用于评估神经网络线性回归模型预测准确度的方法

权利要求书

1.一种用于评估神经网络线性回归模型预测准确度的方法，其特征在于，包括以下步骤：

采用Pearson相关系数计算预测值曲线与真实值曲线之间的相关性系数；

若所述预测值曲线与真实值曲线之间呈正相关，则计算所述预测值曲线与真实值曲线之间的重叠率；

根据所述相关性系数以及所述重叠率，计算预测值的准确度。

2.根据权利要求1所述的一种用于评估神经网络线性回归模型预测准确度的方法，其特征在于，所述计算所述预测值曲线与真实值曲线之间的重叠率的公式为：

且y^P与y^R满足同时大于0或小于0，σ_r，p表示预测值曲线与真实值曲线重叠率，y^R表示t时刻的真实值，y^P表示t时刻的预测值，t＝t₀，t₁，t₂，...，t_m-1。

3.根据权利要求2所述的一种用于评估神经网络线性回归模型预测准确度的方法，其特征在于，所述根据所述相关性系数以及所述重叠率，计算预测值的准确度的公式为：

其中，γ_r，p表示预测值的准确度，ρ_r，p表示所述相关性系数，ω₁和ω₂表示权值。

4.一种用于评估神经网络线性回归模型预测准确度的设备，其特征在于，包括：至少一个控制处理器和用于与所述至少一个控制处理器通信连接的存储器；所述存储器存储有可被所述至少一个控制处理器执行的指令，所述指令被所述至少一个控制处理器执行，以使所述至少一个控制处理器能够执行如权利要求1至3任一项所述的一种用于评估神经网络线性回归模型预测准确度的方法。

5.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令用于使计算机执行如权利要求1至3任一项所述的一种用于评估神经网络线性回归模型预测准确度的方法。