基于回归树模型的电网投资预测方法技术

本发明专利技术公开了一种基于回归树模型的电网投资预测方法，通过分析历年电网运营数据和投资额的关系，在运营数据和投资额有很强的关联性的情况下，利用回归树模型拟合运营数据和投资额之间的关系，从而得到可以通过运营数据预测将来的投资额的预测方法。本发明专利技术通过对回归树模型训练，能够准确地表达电网运营数据和投资额之间的关系，为电网投资提供了一种科学的预测方式。

Grid investment forecasting method based on regression tree model

The invention discloses a power grid investment prediction method based on the regression tree model. By analyzing the relationship between the power grid operation data and the investment amount over the years, the relationship between the operation data and the investment amount is fitted by the regression tree model under the condition that the operation data and the investment amount are strongly correlated, and the operation data and the investment amount can be obtained through the operation. Data forecast method for future investment. By training the regression tree model, the invention can accurately express the relationship between the grid operation data and the investment amount, and provides a scientific prediction method for the grid investment.

【技术实现步骤摘要】
基于回归树模型的电网投资预测方法
本专利技术属于电网企业运营
，具体涉及一种基于回归树模型的电网投资预测方法的设计。
技术介绍
近年来，社会用电需求随着经济发展不断增加，电网企业的投资规模也随之逐步增大。然而，受国家产业结构调整的影响，电网企业在投资管理上面临较大不确定性，企业效益起伏较大，新增资产效能未能发挥有效作用，投入产出结构矛盾较为突出。在优化投资结构分配的具体问题上，如何通过分析以往投资结构与其对应的运营数据得到客观的投资规律，并按照规律进行投资预算，成为了关键问题。由于过去缺少合理的技术手段，所以电网的投资决策预算还处在比较传统的依靠简单的数学手段计算阶段。目前的电网基建投资基本都是根据电力专家的经验，选取经验上合理的且和投资相关的运营数据指标，通过将这些指标上一年的值代入到经验公式中，产生最终今年的投资额预算。即若要获得最终的投资额y，需要从所有运营数据x1，x2，x3，…，xn中，选取合理的运营数据指标集X＝{x|x为对投资额有影响的运营数据}，并根据X上一年的值代入公式y＝∑f(xi),xi∈X，其中y为投资额，xi为某一维数据的值，根据公式计算出最终的投资预算y。上述投资决策方式存在这样的问题：根据经验公式无法准确得出投资额与运营数据指标的关系。投资额与运营数据指标的关系复杂，简单的经验公式无法准确表达出这种复杂的关系，需要一个相对复杂的模型来综合历史数据中包含的信息，从而能够准确的获得某种运营数据指标与其对应的投资额。
技术实现思路
本专利技术的目的是为了解决现有的投资决策方式中根据经验公式无法准确得出投资额与运营数据指标的关系的问题，提出了一种基于回归树模型的电网投资预测方法。本专利技术的技术方案为：基于回归树模型的电网投资预测方法，包括以下步骤：S1、确定与电网运营投资额相关的运营数据指标作为运营特征。计算每个电网运营数据指标与电网运营投资额的灰色斜率关联度，并按灰色斜率关联度从大到小的顺序对电网运营数据指标进行排序，从排序后的电网运营数据指标中选取前六个运营数据指标作为与电网运营投资额相关的运营数据指标，即运营特征。灰色斜率关联度的计算公式为：其中X0＝(x0(1),x0(2),...,x0(n))为系统特征行为序列，即电网运营投资额序列，Xi＝(xi(1),xi(2),...,xi(n))为系统相关因素行为序列，即电网运营数据指标序列，i＝1,2,...,m，m为相关因素行为序列维数，即电网运营数据指标个数，n为时间序列的总长度，即总共统计的年份数；γ(X0,Xi)表示X0与Xi的灰色斜率关联度，k为时间序数，k＝1,2,3...,n，ξ(k)为关联系数，计算公式为：其中σ(x0)和σ(xi)分别为电网运营投资额序列和电网运营数据指标序列的标准差，其计算公式分别为：其中j为时间序数，为电网运营投资额序列的平均值，为电网运营数据指标序列的平均值。S2、将每年的电网运营投资额与其前一年的运营特征进行匹配。S3、设置回归树参数，构建用于预测电网运营投资额的回归树模型。设置回归树的叶子节点类型Leaftype为均值函数mean，即每个叶子节点的输出值为该叶子节点中所有样本值y的平均值。设置回归树的最大样本误差值TolS为0.05，即每个叶子节点中所有样本值y的误差不超过5％。设置回归树的最小样本个数TolN为2，即每个叶子节点中至少有2个样本；根据以上参数构建用于预测电网运营投资额的回归树模型。每个样本对应于一个公司某一年的运营特征，其样本输入x为该公司前一年的运营特征，其样本值y为该公司本年的投资额。S4、向回归树模型中输入需要预测年份前一年的运营特征，得到投资额预测结果。本专利技术的有益效果是：(1)本专利技术使用机器学习模型进行电网投资额预测，为电网投资提供了一种科学的预测方式。(2)本专利技术采用的回归树模型具有很好的解释性。(3)本专利技术通过对回归树模型训练，能够准确地表达电网运营数据和投资额之间的关系。附图说明图1所示为本专利技术实施例提供的一种基于回归树模型的电网投资预测方法流程图。图2所示为本专利技术实施例提供的投资额运营数据相互影响关系图。图3所示为本专利技术实施例提供的2005-2009年A与其类似城市生成的回归树模型示意图。图4所示为本专利技术实施例提供的2005-2010年A与其类似城市生成的回归树模型示意图。图5所示为本专利技术实施例提供的2005-2011年A与其类似城市生成的回归树模型示意图。图6所示为本专利技术实施例提供的2010-2012年A城市投资额预测值与真实值对比图。具体实施方式现在将参考附图来详细描述本专利技术的示例性实施方式。应当理解，附图中示出和描述的实施方式仅仅是示例性的，意在阐释本专利技术的原理和精神，而并非限制本专利技术的范围。本专利技术实施例提供了一种基于回归树模型的电网投资预测方法，如图1所示，包括以下步骤S1-S4：S1、确定与电网运营投资额相关的运营数据指标作为运营特征。由于电网运营数据维度很大，即某一年的运营数据可能有一百多维指标，这些指标并不是都能代入模型进行训练的，所以需要使用一定的方法从所有的数据指标中筛选出一定数量的数据指标作为模型训练特征。本专利技术实施例中采用灰色斜率关联度对电网运营数据指标进行筛选，具体方法为：计算每个电网运营数据指标与电网运营投资额的灰色斜率关联度，并按灰色斜率关联度从大到小的顺序对电网运营数据指标进行排序，从排序后的电网运营数据指标中选取前六个运营数据指标作为与电网运营投资额相关的运营数据指标，即运营特征。灰色斜率关联度的计算公式为：其中X0＝(x0(1),x0(2),...,x0(n))为系统特征行为序列，即电网运营投资额序列，Xi＝(xi(1),xi(2),...,xi(n))为系统相关因素行为序列，即电网运营数据指标序列，i＝1,2,...,m，m为相关因素行为序列维数，即电网运营数据指标个数，n为时间序列的总长度，即总共统计的年份数；γ(X0,Xi)表示X0与Xi的灰色斜率关联度，k为时间序数，k＝1,2,3...,n，ξ(k)为关联系数，计算公式为：其中σ(x0)和σ(xi)分别为电网运营投资额序列和电网运营数据指标序列的标准差，其计算公式分别为：其中j为时间序数，为电网运营投资额序列的平均值，为电网运营数据指标序列的平均值。S2、将每年的电网运营投资额与其前一年的运营特征进行匹配。投资额和运营数据的相互影响关系如图2所示，在这样的相互关系下，从总体上研究历年运营数据和投资额的内在联系将会非常复杂。因此，本专利技术实施例中，从运营数据对投资额的影响角度出发，结合实际决策场景，确立了前一年运营特征和当年投资额的数据关系对，例如2005年运营特征——2006年投资额，2006年运营特征——2007年投资额这样的数据配对。这种配对关系即体现了运营特征对投资额的影响，又从某种程度上融入了时序概念。S3、设置回归树参数，构建用于预测电网运营投资额的回归树模型。回归树的参数设置对于回归树的构建非常重要，回归树的主要参数有以下三个：Leaftype(叶子节点类型)：每个叶子节点输出值的生成方式，即如何通过叶子节点中所包含的所有样本值y生成该叶子节点的输出值，该参数决定了回归树叶子节点的特点，通过调整该参数可以更好的反映回归树每个叶子节点中样本的特本文档来自技高网...

【技术保护点】
1.基于回归树模型的电网投资预测方法，其特征在于，包括以下步骤：S1、确定与电网运营投资额相关的运营数据指标作为运营特征；S2、将每年的电网运营投资额与其前一年的运营特征进行匹配；S3、设置回归树参数，构建用于预测电网运营投资额的回归树模型；S4、向回归树模型中输入需要预测年份前一年的运营特征，得到投资额预测结果。

【技术特征摘要】
1.基于回归树模型的电网投资预测方法，其特征在于，包括以下步骤：S1、确定与电网运营投资额相关的运营数据指标作为运营特征；S2、将每年的电网运营投资额与其前一年的运营特征进行匹配；S3、设置回归树参数，构建用于预测电网运营投资额的回归树模型；S4、向回归树模型中输入需要预测年份前一年的运营特征，得到投资额预测结果。2.根据权利要求1所述的电网投资预测方法，其特征在于，所述步骤S1具体为：计算每个电网运营数据指标与电网运营投资额的灰色斜率关联度，并按灰色斜率关联度从大到小的顺序对电网运营数据指标进行排序，从排序后的电网运营数据指标中选取前六个运营数据指标作为与电网运营投资额相关的运营数据指标，即运营特征。3.根据权利要求2所述的电网投资预测方法，其特征在于，所述灰色斜率关联度的计算公式为：其中X0＝(x0(1),x0(2),...,x0(n))为系统特征行为序列，即电网运营投资额序列，Xi＝(xi(1),xi(2),...,xi(n))为系统相关因素行为序列，即电网运营数据指标序列，i＝1,2,...,...

【专利技术属性】
技术研发人员：邹见效，朱晨，凡时财，徐红兵，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：四川,51