一种新增投资需求预测方法及终端技术

本发明专利技术公开一种新增投资需求预测方法及终端，确定电网企业新增投资需求的影响因素；采集与所述新增投资对应的数据以及与所述影响因素对应的数据；基于与所述新增投资对应的数据以及与所述影响因素对应的数据使用灰色关联分析法计算所述影响因素与所述新增投资的关联度，并根据所述关联度筛除所述影响因素，得到筛除后的影响因素；基于所述筛除后的影响因素和所述新增投资建立支持向量机模型，并使用所述支持向量机模型对所述电网企业新增投资需求进行预测，可以有效地分析电网企业新增投资需求多个指标之间的关联关系，保证模型参数选取的合理性，从而提升投资界面延伸后电网新增投资需求预测精度，为电网企业实现精准投资提供新的思路。准投资提供新的思路。准投资提供新的思路。

【技术实现步骤摘要】
一种新增投资需求预测方法及终端


[0001]本专利技术涉及电网企业投资管理
，尤其涉及一种新增投资需求预测方法及终端。

技术介绍

[0002]投资界面延伸后，新增投资规模不断扩大，电网企业仍存在过度投资、无效投资以及投资精准度低等问题。目前，对投资界面延伸后电网新增投资预测的研究较少，而对传统投资需求的预测常利用财务指标、经济指标等影响因素构建预测指标体系，预测方法主要归为以下两类：一是建立计量模型，以基本财务经营数据为基础测算电网企业投资需求；二是建立有关影响因素指标体系，通过数理模型预测电网企业的投资需求，常用的数理模型包括回归模型、神经网络模型、系统动力学模型等。以上方法可以对电网企业投资需求进行预测与调控分析，但仍存在以下不足：一方面是构建的指标系统性与全面性不强，不具备拓展性；另一方面是对电网企业投资需求的预测精度不够，难以达到较优的性能表现。
[0003]投资界面延伸后，电网发展和投资管理工作面临新的形势和要求，电网企业经营正在受到严格的成本投资监管。这要求电网企业提高投资管理的科学性和精益化，以尽快适应新的形势变化。然而影响电网企业投资能力的外部因素和内部因素众多，且多个因素间相互作用、相互影响。从众多影响因素中揭示出对企业新增投资需求有重要影响的因素时，不容易找到一个客观公正的标准。

技术实现思路

[0004]本专利技术所要解决的技术问题是：提供一种新增投资需求预测方法及终端，能够提高预测精度。
[0005]为了解决上述技术问题，本专利技术采用的一种技术方案为：<br/>[0006]一种新增投资需求预测方法，包括步骤：
[0007]确定电网企业新增投资需求的影响因素；
[0008]采集与所述新增投资对应的数据以及与所述影响因素对应的数据；
[0009]基于与所述新增投资对应的数据以及与所述影响因素对应的数据使用灰色关联分析法计算所述影响因素与所述新增投资的关联度，并根据所述关联度筛除所述影响因素，得到筛除后的影响因素；
[0010]基于所述筛除后的影响因素和所述新增投资建立支持向量机模型，并使用所述支持向量机模型对所述电网企业新增投资需求进行预测。
[0011]为了解决上述技术问题，本专利技术采用的另一种技术方案为：
[0012]一种新增投资需求预测终端，包括存储器、处理器及存储在存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
[0013]确定电网企业新增投资需求的影响因素；
[0014]采集与所述新增投资对应的数据以及与所述影响因素对应的数据；
[0015]基于与所述新增投资对应的数据以及与所述影响因素对应的数据使用灰色关联分析法计算所述影响因素与所述新增投资的关联度，并根据所述关联度筛除所述影响因素，得到筛除后的影响因素；
[0016]基于所述筛除后的影响因素和所述新增投资建立支持向量机模型，并使用所述支持向量机模型对所述电网企业新增投资需求进行预测。
[0017]本专利技术的有益效果在于：采集与新增投资对应的数据以及与影响因素对应的数据，基于与新增投资对应的数据以及与影响因素对应的数据使用灰色关联分析法计算二者关联度，并根据关联度筛除影响因素，基于筛除后的影响因素和新增投资建立支持向量机模型，并使用支持向量机模型对电网企业新增投资需求进行预测，通过利用灰色关联分析方法筛除影响因素，可以有效地分析电网企业新增投资需求多个指标之间的关联关系，保证模型参数选取的合理性，再基于支持向量机理论，对电网企业新增投资需求进行预测，从而提升投资界面延伸后电网新增投资需求预测精度，为电网企业实现精准投资提供新的思路。
附图说明
[0018]图1为本专利技术实施例的一种新增投资需求预测方法的步骤流程图；
[0019]图2为本专利技术实施例的一种新增投资需求预测终端的结构示意图。
具体实施方式
[0020]为详细说明本专利技术的
技术实现思路
、所实现目的及效果，以下结合实施方式并配合附图予以说明。
[0021]请参照图1，本专利技术实施例提供了一种新增投资需求预测方法，包括步骤：
[0022]确定电网企业新增投资需求的影响因素；
[0023]采集与所述新增投资对应的数据以及与所述影响因素对应的数据；
[0024]基于与所述新增投资对应的数据以及与所述影响因素对应的数据使用灰色关联分析法计算所述影响因素与所述新增投资的关联度，并根据所述关联度筛除所述影响因素，得到筛除后的影响因素；
[0025]基于所述筛除后的影响因素和所述新增投资建立支持向量机模型，并使用所述支持向量机模型对所述电网企业新增投资需求进行预测。
[0026]从上述描述可知，本专利技术的有益效果在于：采集与新增投资对应的数据以及与影响因素对应的数据，基于与新增投资对应的数据以及与影响因素对应的数据使用灰色关联分析法计算二者关联度，并根据关联度筛除影响因素，基于筛除后的影响因素和新增投资建立支持向量机模型，并使用支持向量机模型对电网企业新增投资需求进行预测，通过利用灰色关联分析方法筛除影响因素，可以有效地分析电网企业新增投资需求多个指标之间的关联关系，保证模型参数选取的合理性，再基于支持向量机理论，对电网企业新增投资需求进行预测，从而提升投资界面延伸后电网新增投资需求预测精度，为电网企业实现精准投资提供新的思路。
[0027]进一步地，所述基于与所述新增投资对应的数据以及与所述影响因素对应的数据使用灰色关联分析法计算所述影响因素与所述新增投资的关联度包括：
[0028]根据与所述新增投资对应的数据形成参考数列；
[0029]根据与所述影响因素对应的数据形成比较数列；
[0030]使用均值法对所述参考数列和所述比较数列中的数据进行无量纲化处理，得到处理后的参考数列和处理后的比较数列；
[0031]根据所述处理后的参考数列和处理后的比较数列使用灰色关联分析法计算所述影响因素与所述新增投资的关联度。
[0032]由上述描述可知，先使用均值法对参考数列和比较数列中的数据进行无量纲化处理，再使用灰色关联分析法计算影响因素与新增投资的关联度，便于数据处理，降低数据处理的复杂度。
[0033]进一步地，所述关联度r
i
为：
[0034][0035]其中，
[0036]式中，n表示与所述新增投资对应的数据的数量，k表示与所述新增投资对应的第k个数据，i表示第i个影响因素，m表示所述影响因素的数量，ξ
i
(k)表示关联系数，y0(k)表示所述处理后的参考数列，x
i
(k)表示所述处理后的比较数列，ρ表示分辨系数。
[0037]由上述描述可知，计算影响因素与新增投资的关联度，关联度即影响因素对于新增投资的影响程度，将其作为后续筛除的基础，确保了新增投资需求预测的准确性和可靠性。
[0038]进一步地，所述基于所述筛除后的影响因素和所述新增投资建立支持向量机模型包本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种新增投资需求预测方法，其特征在于，包括步骤：确定电网企业新增投资需求的影响因素；采集与所述新增投资对应的数据以及与所述影响因素对应的数据；基于与所述新增投资对应的数据以及与所述影响因素对应的数据使用灰色关联分析法计算所述影响因素与所述新增投资的关联度，并根据所述关联度筛除所述影响因素，得到筛除后的影响因素；基于所述筛除后的影响因素和所述新增投资建立支持向量机模型，并使用所述支持向量机模型对所述电网企业新增投资需求进行预测。2.根据权利要求1所述的一种新增投资需求预测方法，其特征在于，所述基于与所述新增投资对应的数据以及与所述影响因素对应的数据使用灰色关联分析法计算所述影响因素与所述新增投资的关联度包括：根据与所述新增投资对应的数据形成参考数列；根据与所述影响因素对应的数据形成比较数列；使用均值法对所述参考数列和所述比较数列中的数据进行无量纲化处理，得到处理后的参考数列和处理后的比较数列；根据所述处理后的参考数列和处理后的比较数列使用灰色关联分析法计算所述影响因素与所述新增投资的关联度。3.根据权利要求2所述的一种新增投资需求预测方法，其特征在于，所述关联度r
i
为：其中，式中，n表示与所述新增投资对应的数据的数量，k表示与所述新增投资对应的第k个数据，i表示第i个影响因素，m表示所述影响因素的数量，ξ
i
(k)表示关联系数，y0(k)表示所述处理后的参考数列，x
i
(k)表示所述处理后的比较数列，ρ表示分辨系数。4.根据权利要求1所述的一种新增投资需求预测方法，其特征在于，所述基于所述筛除后的影响因素和所述新增投资建立支持向量机模型包括：将所述筛除后的影响因素确定为支持向量机模型的输入变量，并将所述新增投资确定为支持向量机模型的输出变量；确定核函数；根据所述输入变量、所述输出变量以及所述核函数建立初始支持向量机模型；使用预设训练样本对所述初始支持向量机模型进行训练，得到支持向量机模型。5.根据权利要求4所述的一种新增投资需求预测方法，其特征在于，所述支持向量机模型f(x)为：式中，x表示输入特征向量，表示映射到高维特征空间的非线性函数，ω表示超平面的权重向量，b表示偏置向量。6.一种新增投资需求预测终端，包括存储器、处理器及存储在存储器上并...

【专利技术属性】
技术研发人员：郑欢，洪居华，林可尧，刘林，胡臻达，黄夏楠，涂夏哲，杨丝雨，林伟伟，邹艺超，
申请(专利权)人：国网福建省电力有限公司，
类型：发明
国别省市：