[发明专利]电力设备采购价格预测方法

权利要求书

1.电力设备采购价格预测方法，其特征在于，包括以下步骤：

第一步，根据不同的设备类型构建数据指标体系；当设备为非通用设备时，选取历史投标价格、原材料价格、人工成本、宏观经济指数、标包数量、投标人数量构建数据指标体系；当设备为通用设备时，选取历史投标价格、原材料价格、人工成本、宏观经济指数、标包数量、投标人数量、历史外部采购价构建数据指标体系；

第二步，按照建模需要，对构建数据指标体系内的数据进行预处理；

第三步，确定输出层节点数，选定“投标价基准max”和“投标价基准min”作为采购价的合理范围，并设定为预测目标，其中，投标价基准值是剔除一个包中投标价与所有投标报价平均值偏差超过20％的剩余投标价平均值，投标价基准max是剔除偏差超过20％后的投标价最大值，投标价基准min是剔除偏差超过20％后的投标价最小值；

第四步，确定隐含层节点数，其中通过常用公式(m为隐含层节点数，n为输入层节点数，l为输出层节占数，t为1～10之间的常数)来计算初始值，并通过试凑法来确定最优节点数；

第五步，以BP神经网络算法为基础模型，设置激活函数与训练函数；

第六步，设定预测模型训练参数；

第七步，选取第二步中经过预处理的构建数据指标体系内的数据作为训练集和预测集，得到符合要求的预测模型。

2.根据权利要求1所述的电力设备采购价格预测方法，其特征在于：所述激活函数包括隐含层的激活函数和输出层的激活函数。

3.根据权利要求1所述的电力设备采购价格预测方法，其特征在于：所述训练函数包括网络的训练函数和算法训练函数。

4.根据权利要求2所述的电力设备采购价格预测方法，其特征在于：所述隐含层的激活函数为双曲正切S型函数tansig，输出层的激活函数为线性激活函数purelin。

5.根据权利要求2所述的电力设备采购价格预测方法，其特征在于：所述网络的训练函数为Levenberg-Marquardt，算法训练函数trainlm。

6.根据权利要求3所述的电力设备采购价格预测方法，其特征在于：所述训练参数包括学习速率、目标误差、最大训练步数。

7.根据权利要求1所述的电力设备采购价格预测方法，其特征在于：所述宏观经济指数包括区域经济增长指标(GDP)、居民消费价格指数(CPI)、生产者物价指数(PPI)。

8.根据权利要求1所述的电力设备采购价格预测方法，其特征在于：所述第二步中对构建数据指标体系内的数据进行预处理是指对数据进行清洗和整合，具体包括：

a.人工成本预处理。通过国家数据网站获取各省季度人工可支配收入，以衡量各个地区各阶段的人工成本；

b.原材料价格预处理。从上海有色网获取铜价格指数，从中国联合钢网获取钢铁的价格指数，并对各项数据按月度测算平均值；

c.区域经济增长指标(GDP)数据预处理。通过国家数据网站获取各省季度经济增长指标，即区域季度GDP总值；

d.居民消费价格指数(CPI)数据预处理。通过国家数据网站获取各省月度居民消费价格指数(CPI)，以衡量各个地区的通货膨胀情况；

e.采购经理人指数(PMI)数据预处理。通过中国物流与采购网获取制造PMI、非制造业PMI以及综合PMI指数；

f.生产者物价指数(PPI)数据预处理。通过国家数据网站获取各省月度生产者出厂价格指数(PPI)，以衡量各个地区生产品价格变动趋势。

9.根据权利要求1所述的电力设备采购价格预测方法，其特征在于：所述符合要求的预测模型是指平均误差在5％以内。