一种基于AdaGrad优化神经网络输电网项目物资需求预测方法技术

本发明专利技术涉及一种基于AdaGrad优化神经网络输电网项目物资需求预测方法，所述BP神经网络分为输入层、隐藏层和输出层，当输出结果与期望之间的误差不满足要求时，进行反向传播，从输出层通过误差逐层修改网络权值和阈值，用修改后的参数进行正向传播，通过正向和反向循环到最优模型参数，其特征在于：该输电网基建物资需求预测方法包括输电网电力物资需求预测及输电网项目投资金额预测。本发明专利技术提升了电网物资提报需求计划准确度，通过利用历史数据进行建模，预测电网基建物资需求，降低电网资源浪费，减少因物资多报造成物资冗余积压库存，物资少报而造成延误工期等情况，为电网高质量建设提供参考。建设提供参考。建设提供参考。

【技术实现步骤摘要】
一种基于AdaGrad优化神经网络输电网项目物资需求预测方法


[0001]本专利技术属于电网物资预测领域，涉及一种电网基建物资需求预测方法，特别是一种基于AdaGrad优化神经网络输电网项目物资需求预测方法。

技术介绍

[0002]电网物资工程管理种类繁多、涉及专业广泛，需求量大，电网物资是指在电网建设过程中所需要的直接物资、间接物资及各种辅助物资总和。根据国家电网公司物资分类标准，电网物资总共分为20个大类，253个中类和2921个小类，根据工程项目种类的不同，对物资的需求也各不相同，按照物资用途大致将物资需求归纳为项目物资和非项目物资，其中，项目物资大致分为基建项目物资、大修项目物资和技改项目物资。
[0003]目前，各级电网单位上报的物资需求计划主要存在的问题是项目计划依据编制人员的经验进行编制，极容易出现编制需求计划时出现错报、漏报等情况，造成了资源浪费。
[0004]此外，物资多报会造成物资冗余积压库存，物资少报会导致延误工期，给物资管理造成负担。基建类项目是电网项目中物资需求量最大的项目，也是物资计划申报过程中误差最本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于AdaGrad优化神经网络输电网项目物资需求预测方法，所述BP神经网络分为输入层、隐藏层和输出层，当输出结果与期望之间的误差不满足要求时，进行反向传播，从输出层通过误差逐层修改网络权值和阈值，用修改后的参数进行正向传播，通过正向和反向循环到最优模型参数，其特征在于：该输电网基建物资需求预测方法包括输电网电力物资需求预测及输电网项目投资金额预测；所述输电网电力物资需求预测的方法，包括如下步骤：S1.1：对输入层参数进行设置；S1.2：通过ERP系统获取物资原始数据，对原始数据进行处理，去除异常数据，并对数据进行归一化预处理，获得标准数据；S1.3：设置隐含层神经元个数；S1.4：通过获得的标准数据建立数据样本库，然后在数据样本库中选取一定数据作为测试数据样本，其余选为训练数据样本，利用测试数据样本和训练数据样本建立训练数据样本库和测试数据样本库，并利用训练数据样本库进行神经网络训练；S1.5：根据训练完成后的训练结果利用AdaGrad优化算法调整BP神经网络的参数，直到模型达到最优；S1.6：将测试数据样本库输入训练完成的最优模型，得出预测结果；所述输电网项目投资额预测的方法，包括如下步骤：S2.1：对输入层参数进行设置；S2.2：通过ERP系统获取输电网项目投资额原始数据，对原始投资额进行处理，去除异常数据，并对数据进行归一化预处理，获得标准数据；S2.3：设置隐含层神经元个数；S2.4：设置输出层神经元个数；S2.5：通过获得的标准数据建立数据样本库，然后在数据样本库中选取一定数据作为测试数据样本，其余选为训练数据样本，利用测试数据样本和训练数据样本建立训练数据样本库和测试数据样本库，并利用训练数据样本库进行神经网络训练,根据训练完成后训练结果利用AdaGrad优化算法调整BP神经网络的参数，直到模型达到最优；S2.6：将测试数据样本库输入训练完成的最优模型，得出预测投资额。2.根据权利要求1所述的一种基于AdaGrad优化神经网络输电网项目物资需求预测方法，其特征在于：所述S1.1：对输入层参数进行设置中，其参数包括线路长度、线路回数、电压等级、地形地貌及气候天气。3.根据权利要求1所述的一种基于AdaGrad优化神经网络输电网项目物资需求预测方法，其特征在于：所述S1.2：对数据进行归一化预处理，获得标准数据的方法为：通过ERP系统获取物资原始数据x
n
＝(x1,x2...x
n
)，由于不同种类物资量纲存在差异，需要对数据进行归一化处理：式中，x为作为输入层的线路长度、线路回数、电压等级、地形地貌、气候天气5项基建重要参数中的某一项参数具体值，x
max
为此项参数的最大值，x
min
为此项参数的最小值，x
*
为模型所需要的此项参数的归一化数值；
通过数据归一化处理将获取的物资原始数据限制在0和1之间的数值，消除量纲不同对预测模型和预测结果的影响。4.根据权利要求1所述的一种基于Ada...

【专利技术属性】
技术研发人员：秦明旭，刘琴，宋琳，孙灏，王会莲，刘智鹏，赵思佳，陈浩，张宇，袁轩，郑中昊，李知曈，田伟东，丛锟浦，牛学瑞，郝玺，
申请(专利权)人：国家电网有限公司，
类型：发明
国别省市：