专利名称：一种基于灰色多因素预测模型的能源供需预测方法
技术领域：
本发明属于卷烟生产技术领域，具体涉及一种基于灰色多因素预测模型的能源供需预测方法。
背景技术：
我国烟草企业如何在确保稳定供给和安全生产的前提下，高效利用有限能源，优化供需结构，充分利用二次能源，减少能源供需不平衡造成的浪费是个十分重要的问题。以预测变化趋势为基础，有效调度能源至关重要。目前，国内大多数烟草企业的能源预测是基于人工经验的短时预测，对预测者的经验要求比较高，缺少预测模型的支持。大多数关于能源供需的研究都集中在单一能源或两种能源的供需预测，很少有包含多种能源的供需预测。
目前有关能源供需预测的系统和方法主要有以下几种I.神经网络模型虽然具有较高的非线性映射能力，能以任意精度逼近非线性函数，但在实际计算中，也存在一些问题(I)反向传播的计算过程收敛速度慢，一般需要成百上千次的迭代计算；(2)存在能量函数的极小值；(3)隐含神经元个数和连接权的选取往往靠经验；(4)网络的收敛性与网络的结构有关等。2.回归方程法由于烟草企业能源系统复杂，所涉及的能源种类繁多，能源之间相互关联，不适合用回归方程预测。并且应用回归方程进行估算预测时，只能由自变量来估计因变量，不允许因变量来推测自变量。3.灰色 GM(I，η)模型可以看到很多将灰色GM(1，η)模型应用到实际的系统拟合和预报中，但是效果都不是很理想，因为尽管表述灰色GM(1，η)模型机理的微分方程很简单，但是模型的实际求解很难得到，而方程的求解方法直接决定了模型拟合、预测效果。虽然灰色GM(l，n)模型能反应系统中各个因素之间的相互关系，但它只适合建立系统的状态模型，适合于各变量的动态分析，适合于为高阶系统建模提供基础，不适合预测。4.多因素预测MGM(1，η)模型通常作为系统分析，需要考虑多因素相互制约、相互联系的系统的建模。灰色系统理论的多因素预测MGM(1，η)模型，是通过建立一阶微分方程来反映系统中η个关联因素对其中某个因素变化的影响，适合用于对烟草企业能源供需的预测。但是由于多变量输入输出问题变量个数比较多，而且变量与变量之间存在相互关系，故预测精度不是很高。5.因子分析因子分析是将具有错综复杂关系的变量(或样品)综合为数量较少的几个因子，以再现原始变量与因子之间的相互关系，同时根据不同因子还可以对变量进行分类，它属于多元分析中处理降维的一种统计方法，所以我们在对其进行预测前进行因子分析，能有效提闻灰预测精度。因此在运用多因素预测MGM(1，η)模型对企业能源的供需进行预测时需要与因子分析法相结合，以提高预测精度。
发明内容
本发明的目的在于克服现有技术的不足，提供一种与因子分析法相结合的基于灰色多因素预测模型的能源供需预测方法。本发明的目的是这样实现的一种基于灰色多因素预测模型的能源供需预测方法，先利用因子分析的方法，降低原始数列的维数将变量综合为数量较少的几个因子，以再现原始变量与因子之间的相互关系，同时根据不同因子对变量进行分类，对数列再进行核平滑处理，对时间点附近的点给予较大权数，然后再进行灰色预测。 其中，具体包括如下步骤建立R型因子分析数学模型，包括利用实测数据对烟草企业能源供需的众多指标建立供和需R型因子分析数学模型，将原始数据标准化，建立变量的相关系数阵，求R的特征根及相应的单位特征向量，并根据要求提取m个特征根及相应的特征向量写出因子载荷阵A，对A施行方差最大正交旋转，把能源供需各指标分别用公共因子表示出来，计算因子得分；核平滑处理，对提出的主成分时间点附近数据给予较大权数；计算带宽h，进行反复尝试和修正，得出新的经核平滑处理后的数列；建立MGM (I，η)预测模型，包括对能源供需中经因子分析后得出η个影响系统的变量，建立MGM(1，η)模型，通过计算求得系统中各因素的拟合值和预测值，对计算结果进行分析，对系数矩阵进行适当调整或控制，反复协调，直到求得满意结果为止，对预测的能源供需指标各个指标分别建立GM(1，I)残差修正模型；对预测的能源供需指标各个指标分别建立GM(1，I)残差修正模型，包括S4. I、对预测后的能源供需量建立残差序列，S4. 2、建立残差 GM(1，I)模型，S4. 3、与实际值相比较得出新的残差，验证精度。与现有技术相比，本发明具有如下优点先利用因子分析的方法，降低原始数列的维数将具有错综复杂关系的变量综合为数量较少的几个因子，以再现原始变量与因子之间的相互关系，同时根据不同因子还可以对变量进行分类。对数列再进行核平滑处理，对时间点附近的点给予较大权数。然后再进行灰预测，能有效提高其预测精度。
图I是本发明的一种基于灰色多因素模型MGM(1，η)的能源供需预测方法的参数配置流程图；图2是本发明的能源供需预测模块算法流程图；图3是本发明的预测系统功能结构图。
具体实施例方式下面结合附图及实施例对本发明作出进一步详细说明，但不以任何方式对本发明加以限制，依据本发明的教导所作得任何变更或替换，均属于本发明的保护范围。
图I 图3为本发明的一种具体实施方式
。图I为本预测方法的参数配置流程图。从实测的数据库中提取能源供需数据，分别对供需进行因子分析，然后进行核平滑处理，对预处理后的数据MGM(1，η)模型，对供需进行预测，与实测结果相比较，如不满意对模型系数进行修正。将得到的满意预测结果每一类型建立GM(1，1)模型进一步修正，使预测结果更为精确，最后将模型保存在算法库中。图2是本发明的能源供需预测模块算法流程图。从数据库中提取建模的实测数据，并对数据进行预处理，从算法库中提取相应的预测模型系数信息，然后运用预处理后的数据和提取的模型进行预测与修正结果，最后输出结果。图3是本发明的预测系统功能结构图。主要包括所需预测的能源供需类别模块，实测各类别的数据模块，能源供需预测模型的参数模块，预测残差修正模块。本实施例对对烟草企业能源供需预测过程如下对烟草企业能源供需建立R型因子分析数学模型步骤(I)实测一周各时间段数据，选取有代表性的数据；步骤(2)利用实测数据对烟草企业能源供需的众多指标建立供需R型因子分析数学模型；将实测数据指标建立如下因子分析数学模型
X1 = O11F1 + O12F2 +■·· + ahnFm + E1
「 .~ +^22^*2 "I t a2.mFm + ￡.2<.
ΧΡ = αΡΛ + aP2F2 +··· + αΡΛ, + ερ用矩阵表示
JT1 αη α12 …alm F1 E1
r,a2\ a22 …a2m￡2= , ,. . + .
Aj Ιλι ■·· vjk」[￡p_且满足 m ^ p ；②Cov(F, ε )=0即F和ε是不相关的；
权利要求
1.一种基于灰色多因素预测模型的能源供需预测方法，其特征在于，先利用因子分析的方法，降低原始数列的维数将变量综合为数量较少的几个因子，以再现原始变量与因子之间的相互关系，同时根据不同因子对变量进行分类，对数列再进行核平滑处理，对时间点附近的点给予较大权数，然后再进行灰色预测。
2.如权利要求I所述基于灰色多因素预测模型的能源供需预测方法，其特征在于，包括如下步骤 建立R型因子分析数学模型，包括 利用实测数据对烟草企业能源供需的众多指标建立供和需R型因子分析数学模型， 将原始数据标准化， 建立变量的相关系数阵， 求R的特征根及相应的单位特征向量，并根据要求提取m个特征根及相应的特征向量写出因子载荷阵A， 对A施行方差最大正交旋转， 把能源供需各指标分别用公共因子表示出来，计算因子得分； 核平滑处理，对提出的主成分时间点附近数据给予较大权数；计算带宽h，进行反复尝试和修正，得出新的经核平滑处理后的数列； 建立MGM (Ln)预测模型，包括 对能源供需中经因子分析后得出η个影响系统的变量， 建立MGM(1，η)模型， 通过计算求得系统中各因素的拟合值和预测值， 对计算结果进行分析，对系数矩阵进行适当调整或控制，反复协调，直到求得满意结果为止， 对预测的能源供需指标各个指标分别建立GM(1，I)残差修正模型； 对预测的能源供需指标各个指标分别建立GM(1，I)残差修正模型，包括 对预测后的能源供需量建立残差序列， 建立残差GM (I, I)模型， 与实际值相比较得出新的残差，验证精度。
全文摘要
本发明涉及一种对烟草企业能源供需的预测方法。本发明先利用因子分析的方法，降低原始数列的维数将变量综合为数量较少的几个因子，以再现原始变量与因子之间的相互关系，同时根据不同因子还可以对变量进行分类，对数列再进行核平滑处理，对时间点附近的点给予较大权数，然后再进行灰色预测，能有效提高其预测精度。
文档编号G06F19/00GK102708296SQ20121014888
公开日2012年10月3日 申请日期2012年5月15日 优先权日2012年5月15日
发明者孔颖萍, 朱宏, 杨建昆, 沈丁洋, 王慧 申请人:红云红河烟草(集团)有限责任公司