[發明專利]一種基于集成算法和企業用電數據的GDP預測方法在審

申請號：	202011474446.X	申請日：	2020-12-14
公開（公告）號：	CN112632468A	公開（公告）日：	2021-04-09
發明（設計）人：	王林信;劉曉焜;陳劍華;李曉明;李竣業	申請（專利權）人：	國網甘肅省電力公司營銷服務中心
主分類號：	G06F17/18	分類號：	G06F17/18;G06K9/62;G06N20/00;G06Q10/04;G06Q50/06
代理公司：	北京慕達星云知識產權代理事務所(特殊普通合伙) 11465	代理人：	符繼超
地址：	730030 甘***	國省代碼：	甘肅;62
權利要求書：	查看更多	說明書：	查看更多
摘要：
搜索關鍵詞：	一種基于集成算法企業用電數據 gdp 預測方法
鉆瓜網技術展會專利詞庫專利權人專利榜在售專利公布日期熱門專利

【說明書】：

本發明公開了一種基于集成算法和企業用電數據的GDP預測方法，包括：獲取數據、構建數據集、一級學習以及二級學習四個步驟。該方法選用Stacking思想進行GDP模型預測，通過集成學習進行GDP預測，相較于單個預測模型存在的不足，集成之后的模型泛化能力更好，得到的預測結果更加準確可靠。通過企業用電數據來表現地區的GDP增長趨勢，相較于傳統的GDP預測方法，數據源更容易獲取，易于實現。

技術領域

本發明涉及用電數據分析和GDP預測技術領域，更具體的說是涉及一種基于集成算法和企業用電數據的GDP預測方法。

背景技術

目前，GDP(Gross Domestic Product，國內生產總值)是衡量國民經濟發展的重要指標之一，地區企業的發展與GDP是息息相關的，地區GDP的預測對研究我國經濟狀況有重大意義。GDP預測是結合歷史GDP數據和影響GDP的各種因素進行關聯分析和預測。

傳統的GDP預測采用的方法通常是ARIMA模型和回歸分析，基于回歸分析的GDP預測是通過分析歷史GDP數據和其他影響因子擬合函數實現，但是，該GDP預測方法只能用難以表達高度復雜的數據和處理非線性數據；基于ARIMA模型的GDP預測是假設關于GDP時間序列是穩定的，然后進行時序數據預測，但是對于不穩定的數據，模型無法捕捉其變化，因而得到的預測結果可靠性不高。

因此，如何提供一種準確、可靠的GDP預測方法是本領域技術人員亟需解決的問題。

發明內容

有鑒于此，本發明提供了一種基于集成算法和企業用電數據的GDP預測方法，該方法在線性回歸的基礎上，結合Stacking的思想，生成元學習器來進行地區的GDP預測，解決了現有的GDP預測方法處理方式復雜、無法捕捉不穩定數據的變化、預測結果可靠性低等問題。

為了實現上述目的，本發明采用如下技術方案：

一種基于集成算法和企業用電數據的GDP預測方法，該方法主要包括以下步驟：

獲取數據：獲取目標地區特定時段內的企業用電數據和歷史GDP數據，并對所述企業用電數據和所述歷史GDP數據進行預處理；

構建數據集：將預處理后的所述企業用電數據和所述歷史GDP數據作為數據集，并將所述數據集劃分為驗證集和測試集；

一級學習：選用線性回歸模型作為一級學習器，將所述驗證集和所述測試集輸入所述一級學習器進行訓練，得到一級輸出結果；

二級學習：將所述一級輸出結果作為新的數據集，輸入二級學習器進行訓練，輸出GDP預測結果。

本發明采用集成學習方法進行GDP預測，具體通過Stacking集成方法實現，Stacking的基本思想是首先使用原始的訓練數據集來訓練一級學習器，然后使用一級學習器的輸出結果作為輸入特征，并使用對應原始標記作為新標記，組成一個新數據集來訓練二級基學習器，最終得到預測結果。

進一步地，獲取數據步驟中，對所述企業用電數據和所述歷史GDP數據進行預處理的過程，具體包括：

考慮到獲得的原始數據為數值型數據，對所述企業用電數據和所述歷史GDP數據分別進行標準化處理，將數據中的所有特征均統一至基本相同的數值區間內，實現對原始數據的等比縮放。