[發明專利]一種基于LSTM循環神經網絡的天然氣負荷預測方法

在審

• 申請號: 201911036346.6
• 申請日: 2019-10-29
• 公開（公告）號: CN110852496A
• 公開（公告）日: 2020-02-28
• 發明（設計）人: 陳志光;秦朝葵;謝依桐
• 申請（專利權）人: 同濟大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06;G06N3/04;G06N3/08;G06K9/62
• 代理公司: 上海科盛知識產權代理有限公司 31225
• 代理人: 趙繼明

1.一種基于LSTM循環神經網絡的天然氣負荷預測方法，其特征在于，該方法包括以下步驟：

步驟1：在互聯網上采集與燃氣負荷預測相關的信息，并與燃氣用量資料相整合，得到歷史數據；

步驟2：對所有歷史數據進行預處理；

步驟3：通過特征子集選擇針對經過預處理的歷史數據進行特征篩選，得到作為預測中使用的特征；

步驟4：構建LSTM循環神經網絡模型并利用預測中使用的特征的訓練集對其進行訓練；

步驟5：利用預測中使用的特征的驗證集修正優化LSTM循環神經網絡模型，得到最終訓練完畢的LSTM循環神經網絡模型；

步驟6：將待預測日的特征輸入值訓練完畢的LSTM循環神經網絡模型中得到待預測日的燃氣負荷預測值。

2.根據權利要求1所述的一種基于LSTM循環神經網絡的天然氣負荷預測方法，其特征在于，所述的步驟1中的與燃氣負荷預測相關的信息包括天氣溫度、氣象條件、風速和節日情況。

3.根據權利要求1所述的一種基于LSTM循環神經網絡的天然氣負荷預測方法，其特征在于，所述的步驟1中的燃氣用量資料包括用氣量和各類用戶數量。

4.根據權利要求1所述的一種基于LSTM循環神經網絡的天然氣負荷預測方法，其特征在于，所述的步驟2中的預處理包括屬性構造、數據清洗、數據變換。

5.根據權利要求4所述的一種基于LSTM循環神經網絡的天然氣負荷預測方法，其特征在于，所述的數據清洗具體包括：刪除原始數據集中的無關數據、重復數據和平滑噪聲數據，并篩選掉與挖掘無關的數據，處理缺失值和異常值。

6.根據權利要求4所述的一種基于LSTM循環神經網絡的天然氣負荷預測方法，其特征在于，所述的數據變換具體包括：對原始數據集進行規范化處理，即將數據轉換成設定的格式。

7.根據權利要求1所述的一種基于LSTM循環神經網絡的天然氣負荷預測方法，其特征在于，所述的步驟1具體包括通過python在互聯網上采集與燃氣負荷預測相關的信息，并與燃氣用量資料相整合，得到歷史數據。

8.根據權利要求1所述的一種基于LSTM循環神經網絡的天然氣負荷預測方法，其特征在于，所述的步驟3包括以下分步驟：

步驟31：通過最佳子集選擇算法、最小角度回歸算法和glmnet算法分別針對經過預處理的歷史數據選擇得到最佳子集；

步驟32：根據三種算法得到的結果確定最終作為預測中使用的特征。