[發明專利]一種使用低秩稀疏約束優化的供需市場多變量預測方法

在審

• 申請號: 202110368848.X
• 申請日: 2021-04-06
• 公開（公告）號: CN112884252A
• 公開（公告）日: 2021-06-01
• 發明（設計）人: 崔潤鵬;王建強
• 申請（專利權）人: 清華大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q30/02;G06Q50/06
• 代理公司: 北京眾合誠成知識產權代理有限公司 11246
• 代理人: 張文寶

1.一種使用低秩稀疏約束優化的供需市場多變量預測方法，其特征在于：

步驟1：對于預測模型Y＝XC+E中的線性模型參數施加秩為r的稀疏約束C＝BA^T，即對參數矩陣B施加稀疏約束，從而建立新的預測模型，其中，r＜q，且一般有q＜＜p，為誤差矩陣，為已知q個目標變量對應的長度為n的時間序列數據，其第t行表示時刻t對應的各目標變量取值，1≤t≤n，第j列表示第j個目標變量對應的完整序列數據，1≤j≤q，為模型輸入的特征數據，p為特征維數；

步驟2：模型訓練，構造優化問題：

s.t. A^TA＝I

并采用迭代優化的方式進行求解，得到不斷更新的模型參數A和B，當原優化問題目標值不再下降時，迭代停止，得到最終優化后的模型參數和其中，B⁽ⁱ⁾表示矩陣B的第i行，||·||₂表示向量的2-范數，||·||表示矩陣的Frobenius范數，為單位矩陣，λ₁、λ₂為對應的正則項系數；

步驟3：對未來時長為h的目標變量取值進行預測，

2.根據權利要求1所述的一種使用低秩稀疏約束優化的供需市場多變量預測方法，其特征在于，所述步驟2中采用迭代優化的方式進行求解具體包括：

對矩陣進行奇異值分解，得到X^TY＝U∑V^T，其中選取V的前r列作為參數矩陣的初始化取值；

固定矩陣A，對B進行優化，原優化問題可以表示為：

使用glmnet軟件包進行求解；

固定矩陣B，對A進行優化，原優化問題可以表示為

s.t. A^TA＝I

顯式解為A＝WZ^T，其中矩陣W，Z可通過對矩陣Y^TXB進行奇異值分解得到：Y^TXB＝WDZ^T；

依次固定矩陣A或B，對上述兩個優化問題進行迭代優化，得到不斷更新的模型參數A和B。

3.根據權利要求2所述的一種使用低秩稀疏約束優化的供需市場多變量預測方法，其特征在于：所述步驟3中，若特征中含有依賴于前項預測結果的特征變量，則對未來各時間點逐一進行預測，即先獲取前τ時刻的預測結果然后根據已知信息計算τ+1時刻的特征再通過計算得到τ+1時刻的目標變量，迭代該過程即可。