[发明专利]一种城镇燃气用量的预测方法、存储介质及终端设备在审

专利信息
申请号: 202010768763.6 申请日: 2020-08-03
公开(公告)号: CN112101612A 公开(公告)日: 2020-12-18
发明(设计)人: 李璐伶;王文想;张万杰;孟伟;杨光;谢庆笙;钟晓明;江龑;尤英俊;单克;乔亮 申请(专利权)人: 深圳市燃气集团股份有限公司;深圳市赛易特信息技术有限公司;深圳市深燃燃气技术研究院
主分类号: G06Q10/04 分类号: G06Q10/04;G06Q50/06;G06N3/04;G06N3/08
代理公司: 深圳市君胜知识产权代理事务所(普通合伙) 44268 代理人: 温宏梅
地址: 518048 广东*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 城镇 燃气 用量 预测 方法 存储 介质 终端设备
【权利要求书】:

1.一种城镇燃气用量的预测方法,其特征在于,所述方法包括:

获取待预测区域的用户数据,其中,所述用户数据包括区域标识、燃气用户数量以及用户类型;

将所述用户数据输入经过训练的预测网络模型,通过所述预测网络模型输出待预测区域对应的预测用气量。

2.根据权利要求1所述城镇燃气用量的预测方法,其特征在于,所述待预测区域包括若干燃气用户,若干燃气用户中每个燃气用户的用户类型均为所述用户类型。

3.根据权利要求2所述城镇燃气用量的预测方法,其特征在于,所述预测网络模型包括输入层、第一隐藏层、第二隐藏层以及输出层;所述将所述用户数据输入经过训练的预测网络模型,通过所述预测网络模型输出待预测区域对应的预测用气量具体包括:

将所述用户数据输入所述输入层;

通过所述输入层将所述用户数据输入第一隐藏层,并通过所述第一隐藏层确定所述用户数据对应的若干第一特征向量;

将所述若干第一特征向量输入第二隐藏层,通过第二隐藏层确定所述用户数据对应的若干第二特征向量;

将所述若干第二特征向输入所述输出层,通过所述输出层输入所述用气量,以得到所述待预测区域对应的预测用气量。

4.根据权利要求3所述城镇燃气用量的预测方法,其特征在于,所述输入层包括若干第一神经元,若干第一神经元的数量与所述用户数据包括的数据元素的数量相同,并且每个第一神经元的输入项为一个数据元素,并且各第一神经元的输入项互不相同。

5.根据权利要求3所述城镇燃气用量的预测方法,其特征在于,所述第一隐藏层包括若干第二神经元,若干第二神经元与若干第一特征向量一一对应,并且每个第一特征向量为其对应的第二神经元的输出项。

6.根据权利要求5所述城镇燃气用量的预测方法,其特征在于,所述第二隐藏层包括若干第三神经元,若干第三神经元与若干第二特征向量一一对应,并且每个第二特征向量为其对应的第三神经元的输出项。

7.根据权利要求1所述城镇燃气用量的预测方法,其特征在于,所述将所述用户数据输入经过训练的预测网络模型,通过所述预测网络模型输出待预测区域对应的用气量之后,所述方法包括:

获取所述待预测区域对应的真实用气量,并基于所述真实用气量和预测用气量确定预测用气量对应的误差值;

若误差值满足预设条件,则基于所述误差值对所述经过训练的预测网络模型进行训练,以更新所述经过训练的预测网络模型。

8.根据权利要求1所述城镇燃气用量的预测方法,其特征在于,所述预测网络模型的训练过程包括:

获取训练样本集,其中,所述训练样本集包括若干训练样本数据,若干训练样数据中的每个训练样本数据包括训练用户数据以及训练用户数据对应的用气量标签;

将所述训练样本集中的训练用户数据输入预设网络模型,通过预设网络模型输入预测用气量;

基于所述预测用气量以及所述用气量标签,对所述预设网络模型的模型参数进行修正,以得到经过训练的预测网络模型。

9.一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一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现如权利要求1~8任意一项所述的城镇燃气用量的预测方法中的步骤。

10.一种终端设备,其特征在于,包括:处理器、存储器及通信总线;所述存储器上存储有可被所述处理器执行的计算机可读程序;

所述通信总线实现处理器和存储器之间的连接通信;

所述处理器执行所述计算机可读程序时实现如权利要求1-8任意一项所述的城镇燃气用量的预测方法中的步骤。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于深圳市燃气集团股份有限公司;深圳市赛易特信息技术有限公司;深圳市深燃燃气技术研究院,未经深圳市燃气集团股份有限公司;深圳市赛易特信息技术有限公司;深圳市深燃燃气技术研究院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010768763.6/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top