[發明專利]基于層次聚類和神經網絡的負荷預測輸入特征篩選方法

在審

• 申請號: 201910294713.6
• 申請日: 2019-04-12
• 公開（公告）號: CN110135623A
• 公開（公告）日: 2019-08-16
• 發明（設計）人: 丁研;宿皓;王翹楚;張震勤
• 申請（專利權）人: 天津大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06;G06N3/02
• 代理公司: 天津市北洋有限責任專利代理事務所 12201
• 代理人: 程小艷

1.基于層次聚類和神經網絡的負荷預測輸入特征篩選方法，其特征在于，包括以下步驟：

1)對負荷預測的原始數據進行層次聚類分析，得到負荷預測輸入數據的有層次的嵌套聚類樹；

2)根據層次聚類中的簇間距離確定建筑負荷預測輸入參數聚類簇個數；

3)利用神經網絡對每一類的數據中不同參數的預測效果進行判斷，剔除預測較差的參數，得到優化的負荷預測輸入特征集。

2.根據權利1所述的基于層次聚類和神經網絡的負荷預測輸入特征篩選方法，其特征在于，所述層次聚類采用“自底向上”的聚合策略，將數據集中每一個樣本看作一個初始聚類簇，每一步聚合將距離最近的兩個聚類簇進行合并，不斷重復直到聚合為一個聚類簇。

3.根據權利2所述的基于層次聚類和神經網絡的負荷預測輸入特征篩選方法，其特征在于，所述距離函數采用歐氏距離函數，表達式如下：

對樣本x_i＝(x_i1；x_i2；…；x_i3)和x_j＝(x_j1；x_j2；…；x_j3),距離函數dist(·,·)為：

4.根據權利2所述的基于層次聚類和神經網絡的負荷預測輸入特征篩選方法，其特征在于，所述簇間距離采用平均距離進行計算，表達式如下：

對于給定聚類簇C_i和C_j，簇間距離為：

5.根據權利1所述的基于層次聚類和神經網絡的負荷預測輸入特征篩選方法，其特征在于，利用聚類過程中每次聚合所采用的簇間距離之間的大小關系作為選取最終聚類簇個數的依據；根據簇間距離小形成的聚類簇的相似性大，類間距離大形成的類的相似性小的原則：若該次聚合所采用的簇間距離的增加值明顯比之前聚合時的簇間距離大，則將該次聚合前的聚類簇數即為最終所分聚類的聚類簇數。

6.根據權利1所述的基于層次聚類和神經網絡的負荷預測輸入特征篩選方法，其特征在于，所述優化的負荷預測輸入數據集的構成方法為，剔除每一聚類簇中預測效果最不好的神經網絡模型對應的參數，所構成的數據集即為最終的優化的負荷預測輸入特征集。

7.根據權利1所述的基于層次聚類和神經網絡的負荷預測輸入特征篩選方法，其特征在于，所述預測效果判斷步驟為：

(1)針對每一聚類簇內的不同參數建立測試集，測試集內包含該參數所在聚類簇外的其他聚類簇的全部參數，不包含該聚類簇內除該參數外的其他參數；

(2)對每一個測試集針對同一個預測目標建立結構相同的神經網絡模型；

(3)將神經網絡的預測結果作為評價對應參數的預測效果的依據；

(4)利用均方根誤差(RMSE)、平均絕對誤差(MAE)、確定性系數(R²)和均方根誤差變異系數(CV-RMSE)作為對不同參數的預測效果的評價指標，計算方法定義如下：

其中：F_i——實際測量值；

F_i′——模型預測值。