[发明专利]基于灰色关联及QGNN的居民消费价格指数预测方法在审
| 申请号： | 201910943167.4 | 申请日： | 2019-09-30 |
| 公开（公告）号： | CN110648183A | 公开（公告）日： | 2020-01-03 |
| 发明（设计）人： | 廖一鹏;张进 | 申请（专利权）人： | 福州大学 |
| 主分类号： | G06Q30/02 | 分类号： | G06Q30/02;G06N3/08 |
| 代理公司： | 35100 福州元创专利商标代理有限公司 | 代理人： | 丘鸿超;蔡学俊 |
| 地址： | 350108 福建省福州市*** | 国省代码： | 福建;35 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种基于灰色关联及QGNN的居民消费价格指数预测方法，首先，通过灰色关联分析计算居民消费价格指数序列与各影响因子序列等时间序列的关联度并根据关联度进行排序，删除小于关联度阈值的影响因子所对应的原始序列并更新时间序列，以降低待处理的数据量；然后，将更新后的时间序列作为输入，采用基于梯度下降法的量子门节点神经网络，学习时间序列的变化规律，计算得到居民消费指数的预测结果和预测误差。该方法有利于减少预测时间，提高预测精度。 | ||
| 搜索关键词： | 时间序列 关联度 消费价格指数 影响因子 预测 灰色关联分析 居民 变化规律 神经网络 消费指数 预测结果 预测误差 原始序列 量子门 数据量 下降法 更新 排序 删除 关联 学习 | ||
【主权项】：
1.一种基于灰色关联及QGNN的居民消费价格指数预测方法，其特征在于，首先，通过灰色关联分析计算居民消费价格指数序列与各影响因子序列等时间序列的关联度并根据关联度进行排序，删除小于关联度阈值的影响因子所对应的原始序列并更新时间序列，以降低待处理的数据量；然后，将更新后的时间序列作为输入，采用基于梯度下降法的量子门节点神经网络，学习时间序列的变化规律，计算得到居民消费指数的预测结果和预测误差。/n
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福州大学，未经福州大学许可，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/patent/201910943167.4/，转载请声明来源钻瓜专利网。
- 上一篇：商品自动定价方法、系统、介质和计算设备
- 下一篇：一种商品广告推送方法及装置
