一种构建预测模型方法、系统及其设备.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115470988A(43)申请公布日2022.12.13(21)申请号202211116404.8G06F17/18(2006.01)(22)申请日2022.09.14G06N3/04(2006.01)(71)申请人广西电网有限责任公司地址530012广西壮族自治区南宁市兴宁区民主路6号(72)发明人岑剑峰卢纯颢林溪桥刘裕昆程敏覃惠玲周春丽陈志君何承瑜王鹏李小伟李荣耀(74)专利代理机构广州市专注鱼专利代理有限公司44456专利代理师张志鹏(51)Int.Cl.G06Q10/04(2012.01)G06Q10/06(2012.01)G06Q50/26(2012.01)权利要求书3页说明书8页附图2页(54)发明名称一种构建预测模型方法、系统及其设备(57)摘要本发明提供一种构建预测模型方法，步骤包括：构建宏观经济预测指标体系；建立传统的混频向量自回归经济预测模型；建立基于深度学习的经济预测模型；使用时间序列模型融合方法对各个模型的预测结果进行融合；得出最终的宏观经济预测结果。本发明的模型保留了向量自回归模型，可以提取出时间序列数据中的隐藏特征与线性特征，且具有良好的可解释性特点。本发明融合了两个深度学习的模型，深度学习模型是一种非线性模型，可以成功捕捉数据中的非线性，且具有较高的精度，可以对宏观经济形势具有准确且较高可解释性的预测。CN115470988ACN115470988A权利要求书1/3页1.一种构建预测模型方法，其特征在于，基于混频向量自回归模型与深度学习模型融合，步骤包括：构建宏观经济预测指标体系；建立传统的混频向量自回归经济预测模型；建立基于深度学习的经济预测模型；使用时间序列模型融合方法对各个模型的预测结果进行融合；得出最终的宏观经济预测结果。2.根据权利要求1所述的构建预测模型方法，其特征在于，所述宏观经济预测指标体系包括：水电发电量、火电发电量、油电发电量、煤电发电量、燃气电发电量、光伏发电量、装机容量、单位供电成本、单位购电成本、第一产业用电量、第二产业用电量、第三产业用电量、城乡居民用电、中心城区居民端综合电压合格率、城镇居民端综合电压合格率、农村居民端综合电压合格率、第三方客户满意度、中压线路故障率、停电用户平均停电次数、区域各重点行业用电量、实际GDP同比增长率、贷款实际利率、固定资产投资同比增长率、非金融部门杠杆率、居民消费价格指数同比增长率、商品零售价格指数同比增长率、货币和准货币期末同比增长率、社会消费品零售总额同比增长率、一般公共预算支出当期同比增速金融机构人民币各项贷款余额期末同比增长率、进口额同比增长率、出口额同比增长率、工业增加值同比增长率、第三产业增加值同比增长率、商品房本年新开工面积同比增长率、发电量同比增长率、上证综指、沪市成交额同比增长率以及宏观经济景气先行指数。3.根据权利要求1所述的构建预测模型方法，其特征在于，所述传统的混频向量自回归经济预测模型的表达式为：Xt＝φ0+φ1Xt‑1+…+φpXt‑p+ut；其中，Xt表示第t时点的经济变量向量，Xt＝(X'm,t,X'q,t)'；Xm,t是nm×1月度指标，Xq,t是nq×1季度指标，扰动项ut～N(0,Σ)。4.根据权利要求1所述的构建预测模型方法，其特征在于，所述基于深度学习的经济预测模型包括GRU模型和LSTM模型。5.根据权利要求4所述的构建预测模型方法，其特征在于，所述GRU模型的网络结构包括重置门、更新门和候选隐单元；重置门的表达式为：Rt＝σ(XtWxr+Ht‑1Whr+br)；更新门的表达式为：Zt＝σ(XtWxz+Ht‑1Whz+bz)；候选隐单元的表达式为：GRU模型的隐单元表达式为：GRU模型输出预测结果表达式为：2CN115470988A权利要求书2/3页其中，Wxr,Whr表示重置门的权重参数，Wxz,Whz是更新门的权重参数，Wxh,Whh代表候选记忆单元的权重参数，br,bz分别代表重置门和更新门的偏置参数，σ(x)代表sigmoid函数。6.根据权利要求4所述的构建预测模型方法，其特征在于，所述LSTM模型求解过程为：n×h假定第t个时刻的输入为Xt，第t时刻的隐藏状态为Ht∈R，第t时刻的记忆状态为Ct∈n×hR；输入门为It、遗忘门为Ft和输出门为Ot的表达式分别为：It＝σ(XtWxi+Ht‑1Whi+bi)；Ft＝σ(XtWxf+Ht‑1Whf+bf)；Ot＝σ(XtWxo+Ht‑1Who+bo)；其中，Wxi,Whi表示输入门的权重参数，Wxf,Whf是遗忘门的权重参数，Wxo,Who是输出门的权重参数，bi,bf,bo分别代表输入门，遗忘门，输出门的偏置参数，σ(x)代表sigmoid函数；第t时刻的隐藏状态的更新