[发明专利]一种加油站油量需求预测方法及系统

权利要求书

1.一种加油站油量需求预测方法，其特征在于，所述方法包括以下步骤：

S1、获取当前季度中加油站每天卸油次数及每次卸油量；

S2、根据所获取到的当前季度中加油站每天卸油次数及每次卸油量，构建季节性序列预测模型和RNN神经网络预测模型；

S3、在所述季节性序列预测模型和所述RNN神经网络预测模型中，分别对下一季度中加油站每天卸油次数及每次卸油量进行预测，并进一步计算出所述季节性序列预测模型预测出的下一季度卸油总量与所述RNN神经网络预测模型预测出的下一季度卸油总量相减所得差的绝对值；其中，所述下一季度卸油总量等于下一季度中所含天数内每次卸油量的累加之和；

S4、检测所计算出的差的绝对值是否小于等于预设阈值；

S5、若检测到所计算出的差的绝对值小于等于所述预设阈值，则将所述季节性序列预测模型预测出的下一季度中加油站每天卸油次数及每次卸油量，或所述RNN神经网络预测模型预测出的下一季度中加油站每天卸油次数及每次卸油量作为最终油量需求的预测结果输出。

2.如权利要求1所述的加油站油量需求预测方法，其特征在于，所述方法进一步包括：

若检测到所计算出的差的绝对值大于所述预设阈值，则根据所获取到的当前季度中加油站卸油次数和卸油量，重新构建所述季节性序列预测模型和所述RNN神经网络预测模型，直至重新构建的季节性序列预测模型预测出的下一季度卸油总量与重新构建的RNN神经网络预测模型预测出的下一季度卸油总量相减所得差的绝对值小于等于所述预设阈值为止；

将重新构建的季节性序列预测模型预测出的下一季度中加油站每天卸油次数及每次卸油量，或重新构建的RNN神经网络预测模型预测出的下一季度中加油站每天卸油次数及每次卸油量作为最终油量需求的预测结果输出。

3.如权利要求2所述的加油站油量需求预测方法，其特征在于，对所述季节性序列预测模型构建或重建均执行以下步骤，具体包括：

根据所获取到的当前季度中加油站每天卸油次数及每次卸油量，建立各自对应的原始季节性序列；

利用预设的季节指数的方法，消除每一个原始季节性序列的季节性，使得每一个原始季节性序列均转化为平滑的时间序列；

根据所得的两个平滑的时间序列，建立相应的季节性序列预测模型。

4.如权利要求3所述的加油站油量需求预测方法，其特征在于，所述利用预设的季节指数的方法，消除原始季节性序列的季节性，使得原始季节性序列转化为平滑的时间序列的具体步骤包括：

确定加油站每天卸油次数的原始季节性序列，记为x(i)＝{x(1),x(2),…,x(4n)，以及确定每次卸油量的原始季节性序列，记为y(j)＝{y(1),y(2),…,y(4n)}；其中，x(i)和y(j)分别表示每个周期加油站的卸油次数和卸油量；

将加油站每天卸油次数的原始季节性序列和每次卸油量的原始季节性序列均通过计算三点平滑值，用以消除季节变动和不规则变动；

即

计算季节性指标；即其中，i,j＝1,2,3,…4n-1；

计算校正系数和校正后的季节指数；即校正系数r＝4/(p(2)+p(3)…p(4n-1))；校正的季节指数q(i)＝p(i)*r；q(j)＝p(j)*r，其中，i,j＝1,2,3,4。

5.如权利要求2所述的加油站油量需求预测方法，其特征在于，对所述RNN神经网络预测模型构建或重建均执行以下步骤，具体包括：

通过对当前季度中加油站每天卸油次数及每次卸油量按照季度进行整理和分类，并根据整理和分类后的季度数据，建立相应的RNN神经网络预测模型。