基于多重分形优化的电力舆情监测方法及系统技术方案

本发明专利技术公开了基于多重分形优化的电力舆情监测方法及系统，包括：获取待监测电力舆情数据；对待监测建立舆情数据进行预处理，获得舆情传播态势时间序列；对舆情传播态势时间序列进行分形特征提取，将分形特征输入到预训练的舆情态势分类模型中，得到舆情态势分类结果；根据舆情态势分类结果，选择对应类型的预训练的舆情态势预测模型；将舆情传播态势时间序列，输入到选择的预训练的舆情态势预测模型中，输出舆情传播态势预测结果。

Monitoring method and system of power public opinion based on multifractal optimization

【技术实现步骤摘要】
基于多重分形优化的电力舆情监测方法及系统
本公开涉及舆情监测
，特别是涉及基于多重分形优化的电力舆情监测方法及系统。
技术介绍
本部分的陈述仅仅是提到了与本公开相关的
技术介绍
，并不必然构成现有技术。随着新电改全面提速、售电侧逐步放开，电网企业在管理、同行竞争以及处理外界事务等事件中受到社会民众和媒体的广泛关注。在实现本公开的过程中，专利技术人发现现有技术中存在以下技术问题：互联网塑造了全新的社会生活形态，并为电力企业对电力舆情的监测与掌控提供了信息通道，网络舆情可以有效、直接反映出社会舆情，同时对于部分突发事件、公众所持有态度及发表言论可在一定时间内对社会稳定造成严重影响，针对网络舆情事件的突发性、复杂性、易扩散性、不确定性和传播不规律性，传统舆情预测偏离往往导致舆情管理干预困难，且数据显示单一，难以实现舆情状态的有效洞察，因此亟需采用有效数据分析处理技术，针对舆情实施严格监控，从而有效控制与引导电力企业相关事态的良性发展，做到未雨绸缪，将隐患控制在萌芽状态。
技术实现思路
为了解决现有技术的不足，本公开提供了基于多重分形优化的电力舆情监测方法及系统；针对舆情传播态势的不规律性，在分形维数理论和分形插值理论的基础上建立电力舆情传播态势判别模型和态势预测模型，实现基于多重分形优化的电力舆情监测。第一方面，本公开提供了基于多重分形优化的电力舆情监测方法；基于多重分形优化的电力舆情监测方法，包括：获取待监测电力舆情数据；对待监测建立舆情数据进行预处理，获得舆情传播态势时间序列；对舆情传播态势时间序列进行分形特征提取，将分形特征输入到预训练的舆情态势分类模型中，得到舆情态势分类结果；根据舆情态势分类结果，选择对应类型的预训练的舆情态势预测模型；将舆情传播态势时间序列，输入到选择的预训练的舆情态势预测模型中，输出舆情传播态势预测结果。第二方面，本公开还提供了基于多重分形优化的电力舆情监测系统；基于多重分形优化的电力舆情监测系统，包括：获取模块，其被配置为：获取待监测电力舆情数据；预处理模块，其被配置为：对待监测建立舆情数据进行预处理，获得舆情传播态势时间序列；分类模块，其被配置为：对舆情传播态势时间序列进行分形特征提取，将分形特征输入到预训练的舆情态势分类模型中，得到舆情态势分类结果；预测模块，其被配置为：根据舆情态势分类结果，选择对应类型的预训练的舆情态势预测模型；将舆情传播态势时间序列，输入到选择的预训练的舆情态势预测模型中，输出舆情传播态势预测结果。第三方面，本公开还提供了一种电子设备，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成第一方面所述方法的步骤。第四方面，本公开还提供了一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成第一方面所述方法的步骤。与现有技术相比，本公开的有益效果是：1、针对电力舆情事件往往具有突发性、复杂性、易扩散性、不确定性和传播不规律性的特点，分形理论能够更好地描述非线性特征图形，故采取多重分形维数算法生成多重特征，并以多重特征训练SVM舆情态势判别模型，并对该算法进行优化，进而提高舆情趋势判别的准确性和覆盖性；2、在舆情态势判别的基础上，引入分形插值算法，通过分形插值迭代结合历史数据获取的舆情态势分类及其发展趋势，实现基于前期舆情数据输入实现对后期舆情传播趋势的拟合，准确掌握电力舆情的变化趋势，辅助提升电力舆情态势控制水平。附图说明构成本申请的一部分的说明书附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。图1为本申请实施例一的电力舆情监测系统框架图；图2为本申请实施例一的舆情判别模块流程图；图3为本申请实施例一的舆情预测模块流程图；图4为本申请实施例一的舆情传播态势图；图5为本申请实施例一的预测结果对比图；图6(a)-图6(d)为本申请实施例一的舆情传播态势类型图。具体实施方式应该指出，以下详细说明都是示例性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本申请所属
的普通技术人员通常理解的相同含义。需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。实施例一，本实施例提供了基于多重分形优化的电力舆情监测方法；如图1所示，基于多重分形优化的电力舆情监测方法，包括：S1：获取待监测电力舆情数据；S2：对待监测建立舆情数据进行预处理，获得舆情传播态势时间序列；S3：对舆情传播态势时间序列进行分形特征提取，将分形特征输入到预训练的舆情态势分类模型中，得到舆情态势分类结果；S4：根据舆情态势分类结果，选择对应类型的预训练的舆情态势预测模型；将舆情传播态势时间序列，输入到选择的预训练的舆情态势预测模型中，输出舆情传播态势预测结果。进一步地，所述S1中，获取待监测电力舆情数据；具体是指：通过主题搜索或关键词提取方式，对网页、论坛、博客或微博的各种类型的原始数据进行抓取，获得待监测电力舆情数据。待监测电力舆情数据，具体包括：每个时刻的主题关键词、每个时刻的主题关键词对应文章的转发量或每个时刻的主题关键词对应文章的评论数。进一步地，所述S2中，对待监测建立舆情数据进行预处理，获得舆情传播态势时间序列；具体步骤包括：对待监测建立舆情数据进行去重、降噪、数据规范化处理和创建索引；提取舆情传播态势的时间序列；舆情传播态势的时间序列，包括：时间点(以小时为单位)，和每个时间点的主题关键词对应文章的平均转发量。以时间为横坐标，以每小时的平均转发量为纵坐标，画出电力舆情传播态势图。进一步地，所述S3中，对舆情传播态势时间序列进行分形特征提取；具体步骤包括：采用多重分形维数算法，对舆情传播态势时间序列进行分形特征提取，提取到分形特征。应理解的，所述采用多重分形维数算法，对舆情传播态势时间序列进行分形特征提取，提取到分形特征；具体步骤包括：S301：利用电力主题舆情传播态势图，对收集到的每条舆情信息，设置q初始值、δ初始值，将若干个的以δ为单位长度的“盒子”覆盖舆情传播态势图；其中，q为多重分形维数D(q)的参数，通过q的不同取值得到不同的分形维数；δ为分形盒维数法中盒子的单位长度，δ越小，盒子数越多，得到的数值也就越准确；S302：计算概率测度Pi(δ)：Pi(δ)＝Ni/N(i＝1,2,..本文档来自技高网...

【技术保护点】
1.基于多重分形优化的电力舆情监测方法，其特征是，包括：/n获取待监测电力舆情数据；/n对待监测建立舆情数据进行预处理，获得舆情传播态势时间序列；/n对舆情传播态势时间序列进行分形特征提取，将分形特征输入到预训练的舆情态势分类模型中，得到舆情态势分类结果；/n根据舆情态势分类结果，选择对应类型的预训练的舆情态势预测模型；将舆情传播态势时间序列，输入到选择的预训练的舆情态势预测模型中，输出舆情传播态势预测结果。/n

【技术特征摘要】
1.基于多重分形优化的电力舆情监测方法，其特征是，包括：
获取待监测电力舆情数据；
对待监测建立舆情数据进行预处理，获得舆情传播态势时间序列；
对舆情传播态势时间序列进行分形特征提取，将分形特征输入到预训练的舆情态势分类模型中，得到舆情态势分类结果；
根据舆情态势分类结果，选择对应类型的预训练的舆情态势预测模型；将舆情传播态势时间序列，输入到选择的预训练的舆情态势预测模型中，输出舆情传播态势预测结果。


2.如权利要求1所述的方法，其特征是，获取待监测电力舆情数据；具体是指：
通过主题搜索或关键词提取方式，对网页、论坛、博客或微博的各种类型的原始数据进行抓取，获得待监测电力舆情数据；
待监测电力舆情数据，具体包括：每个时刻的主题关键词、每个时刻的主题关键词对应文章的转发量或每个时刻的主题关键词对应文章的评论数。


3.如权利要求1所述的方法，其特征是，对待监测建立舆情数据进行预处理，获得舆情传播态势时间序列；具体步骤包括：
对待监测建立舆情数据进行去重、降噪、数据规范化处理和创建索引；
提取舆情传播态势的时间序列；舆情传播态势的时间序列，包括：时间点，和每个时间点的主题关键词对应文章的平均转发量；
以时间为横坐标，以每小时的平均转发量为纵坐标，画出电力舆情传播态势图。


4.如权利要求1所述的方法，其特征是，对舆情传播态势时间序列进行分形特征提取；具体步骤包括：
采用多重分形维数算法，对舆情传播态势时间序列进行分形特征提取，提取到分形特征。


5.如权利要求1所述的方法，其特征是，预训练的舆情态势分类模型的训练步骤包括：
S31a：构建SVM分类模型；
S32a：构建训练集，所述训练集为：对电力舆情传播态势历史时间序列利用多重分形维数算法特征提取得到的历史分形特征，和对电...

【专利技术属性】
技术研发人员：史玉良，管永明，张晖，吕梁，胥鹏飞，刘智勇，袁永芹，
申请(专利权)人：山大地纬软件股份有限公司，
类型：发明
国别省市：山东;37