[發(fā)明專利]一種基于改進(jìn)gru算法的柴油發(fā)動(dòng)機(jī)銷量預(yù)測(cè)方法、系統(tǒng)、裝置以及存儲(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 202210211837.5
• 申請(qǐng)日: 2022-03-04
• 公開(kāi)（公告）號(hào): CN114841725A
• 公開(kāi)（公告）日: 2022-08-02
• 發(fā)明（設(shè)計(jì)）人: 楊穎;楊磊;楊帥虎
• 申請(qǐng)（專利權(quán)）人: 廣西大學(xué);廣西科學(xué)院
• 主分類號(hào): G06Q30/02
• 分類號(hào): G06Q30/02;G06N3/08;G06N3/04;G06K9/62;G06F17/18;G06F17/11
• 代理公司: 西安研創(chuàng)天下知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 61239
• 代理人: 梁寶龍

1.一種基于改進(jìn)gru算法的柴油發(fā)動(dòng)機(jī)銷量預(yù)測(cè)方法，其特征在于，包括以下步驟：

步驟1：輸入發(fā)動(dòng)機(jī)銷量數(shù)據(jù)集，將銷售數(shù)據(jù)按機(jī)型、類別和銷售量進(jìn)行分類并將所有數(shù)據(jù)按月匯總，檢查缺失值，進(jìn)行缺失值補(bǔ)充，最終形成以月為單位不間斷的數(shù)據(jù)集；

步驟2：基于分類后的數(shù)據(jù)集，根據(jù)擴(kuò)散理論建立銷量正態(tài)分布模型，利用銷量正態(tài)分布模型估算總銷量拐點(diǎn)，用于預(yù)測(cè)拐點(diǎn)后的銷量，將其作為長(zhǎng)期趨勢(shì)預(yù)測(cè)結(jié)果；

步驟3：將數(shù)據(jù)集中的數(shù)據(jù)用ARIMA模型處理并得到平均自回歸的趨勢(shì)預(yù)測(cè)結(jié)果，用于預(yù)測(cè)從當(dāng)前時(shí)刻至下一拐點(diǎn)發(fā)生時(shí)刻的這段時(shí)間內(nèi)銷量數(shù)據(jù)，作為中期的趨勢(shì)預(yù)測(cè)結(jié)果，結(jié)合步驟2的趨勢(shì)預(yù)測(cè)結(jié)果得到趨勢(shì)分段函數(shù)；

步驟4：基于步驟3所得趨勢(shì)分段函數(shù)，利用改進(jìn)的GRU算法計(jì)算待預(yù)測(cè)數(shù)據(jù)集的銷量預(yù)測(cè)值。

2.如權(quán)利要求1所述的一種基于改進(jìn)gru算法的柴油發(fā)動(dòng)機(jī)銷量預(yù)測(cè)方法，其特征在于，步驟1所述的缺失值補(bǔ)充步驟包括：

步驟11：采用最小二乘法對(duì)缺失值所在年度求得銷量的直線擬合方程；

步驟12：通過(guò)所述直線擬合方程對(duì)缺失點(diǎn)的數(shù)據(jù)進(jìn)行估算，并將該估算結(jié)果作為該點(diǎn)的插入值。

3.如權(quán)利要求1所述的一種基于改進(jìn)gru算法的柴油發(fā)動(dòng)機(jī)銷量預(yù)測(cè)方法，其特征在于，步驟2所述的銷量正態(tài)分布模型的建立步驟為：

步驟21：將分類后的數(shù)據(jù)作為訓(xùn)練集，針對(duì)每一類數(shù)據(jù)進(jìn)行訓(xùn)練，先對(duì)訓(xùn)練集中的數(shù)據(jù)求和得到銷量總量M₀；

步驟22：對(duì)訓(xùn)練集中的每個(gè)數(shù)據(jù)m_t進(jìn)行歸一化處理，歸一化處理公式為：

步驟23：根據(jù)巴斯擴(kuò)散模型得到N(t)遵循的條件為：

N(t)＝N(t-1)+p[1-N(t-1)]+qN(t-1)[1-N(t-1)]

其中，N(t)代表t月份銷量占總市場(chǎng)容量的比重，并且令N(0)＝M(0)，p代表外部影響系數(shù)，q代表內(nèi)部影響系數(shù)；

以標(biāo)準(zhǔn)巴斯曲線p＝0.03，q＝0.38為初值，記R(t)為誤差函數(shù)：

R(t)＝N(t)-M(t)

通過(guò)牛頓迭代法調(diào)整p、q取值求解方程R(t)＝0的最優(yōu)解；

步驟24：求解微分方程：

得到的極大點(diǎn)t₀，設(shè)正態(tài)分布中數(shù)學(xué)期望μ＝M₀×N(t₀)，并根據(jù)訓(xùn)練數(shù)據(jù)計(jì)算N(t)的標(biāo)準(zhǔn)差σ：

進(jìn)而構(gòu)建服從參數(shù)μ、σ的銷量正態(tài)分布模型，其密度函數(shù)為：

f(x)代表此銷量下銷量占市場(chǎng)總量的比重；

步驟25：取數(shù)學(xué)期望μ一至兩倍標(biāo)準(zhǔn)差范圍內(nèi)中位數(shù)所對(duì)應(yīng)的時(shí)間t_mid1與t_mid2作為拐點(diǎn)出現(xiàn)的時(shí)間。

4.如權(quán)利要求1所述的一種基于改進(jìn)gru算法的柴油發(fā)動(dòng)機(jī)銷量預(yù)測(cè)方法，其特征在于，步驟3的具體操作步驟包括：

步驟31：導(dǎo)入經(jīng)過(guò)預(yù)處理的待預(yù)測(cè)的預(yù)測(cè)數(shù)據(jù)集，根據(jù)預(yù)測(cè)數(shù)據(jù)集發(fā)動(dòng)機(jī)所屬類別，由步驟25得到相應(yīng)的拐點(diǎn)，用以估計(jì)預(yù)測(cè)數(shù)據(jù)集當(dāng)前所處的擴(kuò)散階段；

步驟32：根據(jù)公式(1)將預(yù)測(cè)數(shù)據(jù)集中的銷量數(shù)據(jù)P(t)轉(zhuǎn)換為累積銷量數(shù)據(jù)Q(t)，對(duì)銷售總量數(shù)據(jù)建立ARIMA模型，該模型為公式(2)：

其中，Lⁱ為滯后算子，ε_t為零均值白噪聲序列，X_t為輸入的時(shí)間序列，φ_i和θ_i分別表示自回歸系數(shù)和滑動(dòng)平均系數(shù)；

步驟33：根據(jù)公式(2)計(jì)算當(dāng)前時(shí)期至下一拐點(diǎn)出現(xiàn)前的總量變化趨勢(shì)得到趨勢(shì)預(yù)測(cè)函數(shù)，并將趨勢(shì)預(yù)測(cè)函數(shù)F(t)整理為分段函數(shù)，公式如下：

其中，t_next表示下一時(shí)刻。