[發明專利]一種小樣本數據預測方法及裝置

在審

• 申請號: 201910303757.0
• 申請日: 2019-04-16
• 公開（公告）號: CN110188875A
• 公開（公告）日: 2019-08-30
• 發明（設計）人: 孫龍清;羅冰;劉婷;陳帥華;劉巖
• 申請（專利權）人: 中國農業大學
• 主分類號: G06N3/08
• 分類號: G06N3/08;G06K9/62
• 代理公司: 北京路浩知識產權代理有限公司 11002
• 代理人: 王慶龍;苗曉靜

1.一種小樣本數據預測方法，其特征在于，包括：

將待預測樣本數據輸入神經網絡預測模型，輸出待預測樣本數據對應的預測值；

其中，所述神經網絡預測模型是根據雙立方插值后的樣本數據進行訓練后得到的。

2.根據權利要求1所述的小樣本數據預測方法，其特征在于，將待預測樣本數據輸入神經網絡預測模型，之前還包括：

將初始樣本數據劃分為訓練集和測試集，對訓練集的樣本數據進行雙立方插值；

引入隱藏層神經元確定參數因子，構建所述神經網絡預測模型；

利用雙立方插值后的樣本數據對所述神經網絡預測模型進行訓練，直至模型收斂。

3.根據權利要求2所述的小樣本數據預測方法，其特征在于，所述對訓練集的樣本數據進行雙立方插值具體包括：

構造矩形網格，對于給定的初始樣本數據(x_i,y_j)，i＝0,1,2…n；j＝0,1,2…m，則以

構建xoy平面上的矩形網格，且滿足：

網格邊界滿足如下條件：

基于所述矩形網格，構造雙立方插值函數進行計算：

式中，x_i表示輸入數據；y_j表示輸出數據；a、b、c、d分別表示數據的最小值、輸入數據最大值、輸出數據最小值、輸出數據最大值；a_ij表示構造的多項式的待定系數；

其中，a_ij通過分別連續對x與y向量取微分得到；

對雙立方插值后的樣本數據按照原比例劃分成輸入樣本集合和輸出樣本集合。

4.根據權利要求3所述的小樣本數據預測方法，其特征在于，所述引入隱藏層神經元確定參數因子，構建所述神經網絡預測模型具體包括：

引入隱藏層神經元確定參數因子Num確定神經網絡預測模型的隱藏層神經元個數，其中，神經網絡預測模型包括輸入層、隱藏層和輸出層；

式中，Num表示隱含層神經元的數量，c＝rand(1,9)表示1到9之間一個隨機常數；N_x表示輸入樣本維數，N_y表示輸出樣本的維數，N_s表示初始樣本數據的樣本數量。

5.根據權利要求4所述的小樣本數據預測方法，其特征在于，所述利用插值后的樣本數據對所述神經網絡預測模型進行訓練，直至模型收斂，具體包括：

對于任一輸入樣本，將所述輸入樣本輸入神經網絡預測模型，根據所述輸入樣本對應的實際輸出和目標輸出計算損失誤差；

根據所述損失誤差調整模型參數；

重復訓練所述神經網絡預測模型，直到所述神經網絡預測模型收斂。