[发明专利]一种基于季节指数灰色模型的工业用电量预测方法

权利要求书

1.一种基于季节指数灰色模型的工业用电量预测方法，包括进行历史数据取样并确定取样数据序列，其特征在于，还包括以下步骤：

步骤1：提取季节指数；

步骤2：修正所述取样数据序列；

步骤3：构建灰色GM模型；

步骤4：进行所述灰色GM模型预测，形成模型的预测序列；

步骤5：对所述预测序列进行逆调整；

步骤6：对所述灰色GM模型进行检验；

步骤7：输出预测值。

2.如权利要求1所述的基于季节指数灰色模型的工业用电量预测方法，其特征在于，所述进行历史数据取样并确定取样数据序列步骤包括获取某地区工业用电量历史数据，以固定时间为统计时间间隔，统计相同时间范围内工业用量数据，形成时间序列样本，生成所述取样数据序列x⁽⁰⁾＝{x₁⁽⁰⁾,x₂⁽⁰⁾,…,x_n⁽⁰⁾}，其中，n为自然数。

3.如权利要求2所述的基于季节指数灰色模型的工业用电量预测方法，其特征在于，所述步骤1包括根据所述取样数据序列x⁽⁰⁾,选定其时距项数N，依次求解该序列的移动平均序列x⁽¹⁾、各时期取样序列与移动平均序列数据比率C，并以所求得的数据比率为基础，分别求解不同时距中相同时期的平均比率最后分离季节指数S_i，其中，i为时距项数，i＝1,2,…,N。

4.如权利要求3所述的基于季节指数灰色模型的工业用电量预测方法，其特征在于，所述步骤1包括以下子步骤：

步骤11：根据所述取样数据序列x⁽⁰⁾的取数具体特征，选定其时距项数N，求得该序列的移动平均序列x⁽¹⁾＝{x₁⁽¹⁾,x₂⁽¹⁾,…,x_m⁽¹⁾}，公式为：

其中，x_m⁽⁰⁾为取样数据序列x⁽⁰⁾的数据，m＝1,2,…,n-N；

步骤12：用同时期的取样序列数据与移动平均序列数据进行求解，得到数据比率C_i+N/2，公式为：

步骤13：以各时期数据比率C基础，用时距进行划分，分别计算不同时距在同时期比率的平均值再求得季节指数S，公式为：

其中，i＝1,2,…,N。

5.如权利要求4所述的基于季节指数灰色模型的工业用电量预测方法，其特征在于，所述步骤2包括以下子步骤：

步骤21：提取所述取样数据序列x⁽⁰⁾；

步骤22：提取所述季节指数S_i；

步骤23：剔除季节波动，计算得到一组没有季节性波动的平稳光滑序列x⁽²⁾＝{x₁⁽²⁾,x₂⁽²⁾,…,x_i⁽²⁾,…,x_n⁽²⁾}，计算公式为：

x_i⁽²⁾＝x_i⁽⁰⁾/S。

6.如权利要求5所述的基于季节指数灰色模型的工业用电量预测方法，其特征在于，所述步骤3包括将所述平稳光滑序列x⁽²⁾设定为建模序列y⁽⁰⁾，利用常规的灰色GM模型，分别计算其一次累加生成序列y⁽¹⁾和紧邻均值生成序列z⁽¹⁾，构建GM灰色微分方程和白化微分方程，在给定初始值的基础上，求得预测模型其中，k为自然数。