一种基于回归型支持向量机确定节能效果的方法及系统的制作方法
【专利摘要】本发明涉及数据预测【技术领域】，尤其涉及一种基于回归型支持向量机确定节能效果的方法及系统。该方法包括：以回归型支持向量机算法计算单位产品能耗的预测值Xp；从数据库中读取所述单位产品能耗的实际值Xt，所述单位产品能耗的预测值Xp和单位产品能耗的实际值Xt是同一时间段的单位产品能耗；根据公式计算单位产品的节能效果η。该方法能够有效避免数据的滞后性，从而提高节能评估的准确性。
【专利说明】一种基于回归型支持向量机确定节能效果的方法及系统
【技术领域】
[0001]本发明涉及数据预测【技术领域】，尤其涉及一种基于回归型支持向量机确定节能效果的方法及系统。
【背景技术】
[0002]目前，在很多高能耗、高排放制造企业中，操作人员的节能意识不强，还保留着以往单纯考虑生产时间最小化的观念，即赶时间、赶进度，对生产的能耗关注不够，给环境带来的非常大的压力。为了培养操作人员的节能意识，企业有必要以车间为单位对节能效果进行评估，从而警醒操作人员。企业在采用某些节能措施之后，例如购买新设备、改善工艺等等，往往是需要采用某种手段去评估节能效果，评判这些措施的节能有效性。
[0003]常用的评估节能效果的方法是利用单位产品的能耗去评估节能效果，即使用未采用节能措施的单位产品的能耗与采用节能措施后的单位产品的能耗进行对比，从而去评估节能效果。
[0004]常用的评估节能效果的方法简单易行，但存在某些缺陷，例如在6月份开始采用某种节能措施，那么，常用的评估结果效果的方法中就使用6月份的单位产品的能耗与5月份单位产品的能耗进行对比，但是这样已经忽略某些因素的影响，最明显就是天气的影响，6月份的气温是明显高于5月份的气温，这样企业花费在制冷上的能耗会明显地增多，因为很有可能5月份的车间是不需要开空调的，而6月份却需要开空调，而空调耗电多是众所周知的事，这样，使用6月份的单位产品的能耗与5月份单位产品的能耗进行对比去评估节能效果，存在能耗数据的滞后性，从而评估误差明显较大。
【发明内容】
[0005]本发明的目的为提出基于回归型支持向量机的节能效果评估方法及系统，从而避免能耗数据的滞后性，以减小节能效果评估的误差。为达此目的，本发明采用以下技术方案:
[0006]—种基于回归型支持向量机确定节能效果的方法，包括:
[0007]以回归型支持向量机算法计算单位产品能耗的预测值Xp ；
[0008]从数据库中读取所述单位产品能耗的实际值Xt，所述单位产品能耗的预测值Xp和单位产品能耗的实际值Xt是同一时间段的单位产品能耗；
[0009]根据公式
【权利要求】
1.一种基于回归型支持向量机确定节能效果的方法，其特征在于，包括: 以回归型支持向量机算法计算单位产品能耗的预测值Xp ； 从数据库中读取所述单位产品能耗的实际值xt，所述单位产品能耗的预测值Xp和单位产品能耗的实际值Xt是同一时间段的单位产品能耗； 根据公式
2.根据权利要求1所述的方法，其特征在于，所述以回归型支持向量机算法计算单位产品能耗的预测值Xp包括: 构建回归型支持向量机模型的输入和输出并且选择回归型支持向量机模型的特征参数，所述输入包括数据的阶数m ; 训练回归型支持向量机模型，得到回归函数f (x)； 根据所述回归型支持向量机模型计算所述单位产品能耗的预测值Xp。
3.根据权利要求2所述的方法，其特征在于，所述训练回归型支持向量机模型，得到回归函数f (X)之后还包括: 根据评价指标，判断所述回归函数f (X)是否满足性能要求，所述评价指标包括均方误差E和相关系数R2 ； 若所述回归函数f(x)不满足性能要求，返回到选择所述回归型支持向量机模型中的特征参数的步骤。
4.根据权利要求2或3所述的方法，其特征在于，所述回归型支持向量机模型中的特征参数包括高斯径向基核函数的参数S、惩罚因子C和精度参数ε。
5.根据权利要求2所述的方法，其特征在于，所述构建回归型支持向量机模型的输入和输出并且选择回归型支持向量机模型中的特征参数还包括: 回归型支持向量机模型的输入和输出的预处理。
6.一种基于回归型支持向量机确定节能效果的系统，其特征在于，包括: 预测能耗模块，用于以回归型支持向量机算法计算单位产品能耗的预测值Xp ； 获得能耗实际值模块，用于从数据库中读取所述单位产品能耗的实际值Xt，所述单位产品能耗的预测值Xp和单位产品能耗的实际值Xt是同一时间段的单位产品能耗； 评估节能效果模块，用于根据公式
7.根据权利要求6所述的系统，其特征在于，所述预测能耗模块包括: 模型参数获取模块，用于构建回归型支持向量机模型的输入和输出并且选择回归型支持向量机模型的特征参数，所述输入包括数据的阶数m ； 训练模型模块，用于训练回归型支持向量机模型，得到回归函数f(x)； 计算能耗预测值模块，用于根据所述回归型支持向量机模型计算所述单位产品能耗的预测值Xp。
8.根据权利要求7所述的系统，其特征在于，所述系统还包括:评价模型模块，用于根据评价指标，判断所述回归函数f(x)是否满足性能要求，所述评价指标包括均方误差E和相关系数R2 ； 重新选择模型参数模块，若所述回归函数f(x)不满足性能要求，用于返回到选择所述回归型支持向量机模型中的特征参数的步骤。
9.根据权利要求7或8所述的系统，其特征在于，所述回归型支持向量机模型中的特征参数包括高斯径向基核函数的参数S、惩罚因子C和精度参数ε。
10.根据权利要求7所述的系统，其特征在于，所述模型参数获取模块还包括: 预处理参数 模块，用于回归型支持向量机模型的输入和输出的预处理。
【文档编号】G06F19/00GK103544398SQ201310530348
【公开日】2014年1月29日 申请日期:2013年10月30日 优先权日:2013年10月30日
【发明者】刘国胜, 杨文人, 彭磊 申请人:广东工业大学, 惠州市品智科技有限公司, 广州万智信息科技有限公司