非居民客户的气量趋势预测方法、系统、终端及存储介质技术方案

本发明专利技术公开了非居民客户的气量趋势预测方法、系统、终端及存储介质，所述方法通过获取非居民客户预设时长对应的用气量；将用气量输入预设的二次学习算法，得到非居民客户未来预设时长对应的目标预测用气量趋势，其中，二次学习算法用于：将用气量分别输入若干不同类型的预测算法，得到各预测算法分别输出的预测用气量趋势；根据各预测算法分别对应的预测用气量趋势和权重值，确定目标预测用气量趋势。本发明专利技术通过集成多种不同类型的预测算法，可以有效提高用气量趋势的预测效率和预测准确度，从而解决现有技术中仅使用一种回归预测算法进行非居民客户的气量趋势预测，难以得到准确的预测结果的问题。

【技术实现步骤摘要】

本专利技术涉及气量趋势预测领域，尤其涉及的是一种非居民客户的气量趋势预测方法、系统、终端及存储介质。

技术介绍

1、系统地、准确地分析和预测所服务的客户的用气量是燃气运营公司实现管网优化调度、供需平衡、优化调峰等任务的基础，因此气量趋势预测是燃气运营公司的重要技术需求，具有极其重要的意义。然而用气量的影响因素多，因素彼此之间关系错综复杂，因此目前大都采用机器学习的预测算法进行气量趋势预测，例如svr支持向量回归算法、lm线性回归算法、dtr回归树算法以及mlp神经网络回归算法的其中一种回归预测算法。在实际应用中，由于数据样本数量、数据特征的影响，上述的多种回归预测算法各有优缺点，并且由于不同类型的非居民客户的用气特征、规律存在较大差异，仅使用一种回归预测算法容易造成非居客户气量趋势预测的结果出现偏差。因此，现有技术还有待改进和发展。

技术实现思路

1、本专利技术要解决的技术问题在于，针对现有技术的上述缺陷，提供一种非居民客户的气量趋势预测方法、系统、终端及存储介质，旨在解决现有技术中仅使用一种回归预测算法进行本文档来自技高网...

【技术保护点】

1.一种非居民客户的气量趋势预测方法，其特征在于，所述方法包括：

2.根据权利要求1所述的非居民客户的气量趋势预测方法，其特征在于，各所述预测算法分别对应的所述权重值的确定方法，包括：

3.根据权利要求2所述的非居民客户的气量趋势预测方法，其特征在于，所述获取若干训练数据组，包括：

4.根据权利要求3所述的非居民客户的气量趋势预测方法，其特征在于，所述获取所述非居民客户的历史用气量数据集之后还包括：

5.根据权利要求1所述的非居民客户的气量趋势预测方法，其特征在于，各所述预测算法包括SVR支持向量回归算法、LM线性回归算法、DTR回归树算法...

【技术特征摘要】

1.一种非居民客户的气量趋势预测方法，其特征在于，所述方法包括：

2.根据权利要求1所述的非居民客户的气量趋势预测方法，其特征在于，各所述预测算法分别对应的所述权重值的确定方法，包括：

3.根据权利要求2所述的非居民客户的气量趋势预测方法，其特征在于，所述获取若干训练数据组，包括：

4.根据权利要求3所述的非居民客户的气量趋势预测方法，其特征在于，所述获取所述非居民客户的历史用气量数据集之后还包括：

5.根据权利要求1所述的非居民客户的气量趋势预测方法，其特征在于，各所述预测算法包括svr支持向量回归算法、lm线性回归算法、dtr回归树算法以及mlp神经网络回归算法中的多个算法。

6.根据权利要求1所述的非居民客户的气量趋势...

【专利技术属性】
技术研发人员：杜荣杰，辛俊萱，谷虹霞，付雯，廖雯芬，王玉婷，赵伟斌，姜杰，鲁礼军，靳能，
申请(专利权)人：深圳市燃气集团股份有限公司，
类型：发明
国别省市：