本发明专利技术公开了基于能源大数据的工业景气指数计算方法，涉及能源大数据的技术领域，其包括采集工业经济态势的指标数据；对所述指标数据进行极端值处理、缺失值处理和季节调整，并计算工业增加值；将所述工业增加值作为基准指标，通过时差相关分析法和K－L信息量法计算备选指标与基准指标之间不同时刻的相关程度和信息量；通过峰谷对比确定先行指标、一致指标和滞后指标，及对应的时滞关系。借助电力数据的实时性消除经济数据的时滞效应，有利于将指标体系、数据处理、指标分类、合成指数计算结合起来，实现基于能源大数据的工业景气指数计算，充分体现各个地区工业发展特色，减少计算误差，为政府经济政策治理提供参考依据。
【技术实现步骤摘要】
本专利技术涉及能源大数据的，尤其涉及基于能源大数据的工业景气指数计算方法。
技术介绍
1、能源大数据是国家大数据战略在能源领域的具体实践，是能源产业转型发展的重要驱动力。利用能源生产、交易、消费环节的数据资源，可以分析能源结构变化，研判企业发展趋势，辅助政府精准决策。
2、能源大数据是一座“富矿”，有巨大的价值挖掘潜力，电力是经济社会发展的“风向标”，现有的工业景气指数计算方法一般利用电力数据进行计算，因为在计算经济数据时，经济数据具有时滞效应，往往导致计算结果误差过大，难以反映各个地区工业发展特色。
技术实现思路
1、本专利技术解决的技术问题是：现有的工业景气指数计算方法一般利用电力数据进行计算，因为在计算经济数据时，经济数据具有时滞效应，往往导致计算结果误差过大，难以反映各个地区工业发展特色。
2、为解决上述技术问题，本专利技术提供如下技术方案：基于能源大数据的工业景气指数计算方法，包括：采集工业经济态势的指标数据；对所述指标数据进行极端值处理、缺失值处理和季节调整，并计算工业增加值；将所述工业增加值作为基准指标，通过时差相关分析法和k－l信息量法计算备选指标与基准指标之间不同时刻的相关程度和信息量；通过峰谷对比确定先行指标、一致指标和滞后指标，及对应的时滞关系；构建基于主成分分析的合成指数，确定工业景气指数模型并进行分析计算。
3、作为本专利技术所述的基于能源大数据的工业景气指数计算方法的优选方案，其中：采集工业经济态势的指标数据；
4、对采集到的所述指标数据进行分类统计。
5、作为本专利技术所述的基于能源大数据的工业景气指数计算方法的优选方案，其中：对所述指标数据进行极端值处理、缺失值处理和季节调整，并进行标准化处理包括：
6、所述极端值处理包括：
7、通过标准化分数法识别极端值，并剔除极端值，其数学表达式为：
8、
9、其中，σ≠0，x表示需要被标准化的原始分数，μ表示母体的平均值，σ表示母体的标准差。
10、作为本专利技术所述的基于能源大数据的工业景气指数计算方法的优选方案，其中：所述缺失值处理包括：
11、利用线性插值法来对缺失值进行填充，定义已知两个数据的坐标分别为(x0，y0)和(x1，y1)，要得到(x0，x1)之间x位置上的缺失值y，得到两点式方程，其数学表达式为：
12、
13、
14、作为本专利技术所述的基于能源大数据的工业景气指数计算方法的优选方案，其中：所述季节调整包括：
15、采用x12季节调整方法中的加法模型，其数学表达式为：
16、yt＝tct+st+it
17、其中，tct表示趋势循环项，st表示季节变动项，it表示随机不规则项。
18、作为本专利技术所述的基于能源大数据的工业景气指数计算方法的优选方案，其中：标准化处理包括：
19、选用标准差标准化方法进行处理，实际值为xt，转化之后的值为x`t，t＝1,2,…,n，其数学表达式为：
20、
21、其中，
22、作为本专利技术所述的基于能源大数据的工业景气指数计算方法的优选方案，其中：将所述工业增加值作为基准指标，通过时差相关分析法和k－l信息量法计算备选指标与基准指标之间不同时刻的相关程度和信息量包括：
23、选取工业增加值作为基准指标；
24、通过时差相关分析法和k－l信息量法计算备选指标与基准指标之间不同时刻的相关程度和信息量；
25、时差相关分析法的数学表达式为：
26、
27、其中，y表示基准指标，y＝{y1,y2,…,yn}，x表示被选择指标，x＝{x1,x2,…,xn}为，t表示时差相关系数，l表示超前期和滞后期，l取负数时表示超前期，取正数时表示滞后期，l表示最大延迟数，n表示数据补齐后的数据个数；
28、k－l信息量法包括：
29、将随机变量wt分为基准随机变量p和分析随机变量q，其中，基准随机变量p的概率分布为：
30、p＝{p1，p2，...，pm}
31、定义随机分析变量q的概率分布为：
32、q＝{q1，q2，...，qm}
33、定义期望i(p，q)表示q关于p的k－l信息量，k－l信息量的数学表达式为：
34、
35、其中，
36、
37、由时差相关分析法和k－l信息量法计算得出的结果作为备选指标与基准指标之间的时滞关系，当时差相关分析法和k－l信息量法计算的结果不同时，取其中数值较小的一个。
38、作为本专利技术所述的基于能源大数据的工业景气指数计算方法的优选方案，其中：通过峰谷对比确定先行指标、一致指标和滞后指标，及对应的时滞关系包括：
39、将筛选出的指标的波动曲线与基准周期及其波峰、波谷日期绘制成波形图，通过对每一个指标的波峰和波谷与基准周期的波峰和波谷进行对比；
40、若所述指标的波峰和波谷与基准周期保持稳定的时差关系，将所述指标选为景气评价指标。
41、作为本专利技术所述的基于能源大数据的工业景气指数计算方法的优选方案，其中：构建基于主成分分析的合成指数，确定工业景气指数模型并进行分析计算包括：
42、对原始数据进行标准化，设原始数据矩阵为其中，矩阵行向量表示的是同一时间点各个指标的数据；
43、矩阵列向量表示的是同一指标各个时间点的数据，将原始数据矩阵进行标准化处理，得到标准化后的矩阵x＝(xij)n×m，标准化转换的数学表达式为：
44、
45、其中，和分别表示原始数据矩阵中的第j列数据的样本均值和标准差，i为行的系数，j为列的系数；
46、计算相关系数矩阵r，相关系数矩阵中的元素，其数学表达式为：
47、
48、其中，g，k＝1，2，…，m，与是标准化后的指标变量；xhk表示第h行第k列的观测值，rgk表示g和k两个指标之间的相关系数矩阵；
49、计算各个指标的贡献率和累计方差贡献率，其数学表达式为：
50、
51、
52、其中，λg是第g个元素的特征值，zg表示第g个指标变量的贡献率，wg表示第g个指标变量的累计贡献率；
53、选取特征值大于1和累计贡献率大于70％～90％的前t个特征值对应的指标变量作为主成分，为：yl(l＝1,2,…,t)，其中yl表示确定的主成分指标变量；
54、计算各主成分的得分系数，根据各个主成分的特征向量除以对应特征值的平方根，求出p个主成分的成分得分系数fl，其数学表达式为：
55、
56、计算每个主成分的得分，成分得分系数ql通过使用经过标准化后的数据矩阵中的各元素xij与各个主成分的成分得分系数相乘得到，其数学表达式为：<本文档来自技高网
...
【技术保护点】
1.基于能源大数据的工业景气指数计算方法，其特征在于，包括：
2.如权利要求1所述的基于能源大数据的工业景气指数计算方法，其特征在于：
3.如权利要求2所述的基于能源大数据的工业景气指数计算方法，其特征在于：对所述指标数据进行极端值处理、缺失值处理和季节调整，并进行标准化处理包括：
4.如权利要求3所述的基于能源大数据的工业景气指数计算方法，其特征在于：
5.如权利要求3所述的基于能源大数据的工业景气指数计算方法，其特征在于：
6.如权利要求3所述的基于能源大数据的工业景气指数计算方法，其特征在于：标准化处理包括：
7.如权利要求3所述的基于能源大数据的工业景气指数计算方法，其特征在于：
8.如权利要求7所述的基于能源大数据的工业景气指数计算方法，其特征在于：
9.如权利要求8所述的基于能源大数据的工业景气指数计算方法，其特征在于：
【技术特征摘要】
1.基于能源大数据的工业景气指数计算方法，其特征在于，包括：
2.如权利要求1所述的基于能源大数据的工业景气指数计算方法，其特征在于：
3.如权利要求2所述的基于能源大数据的工业景气指数计算方法，其特征在于：对所述指标数据进行极端值处理、缺失值处理和季节调整，并进行标准化处理包括：
4.如权利要求3所述的基于能源大数据的工业景气指数计算方法，其特征在于：
5.如权利要求...
【专利技术属性】
技术研发人员：许小峰，朱东歌，夏绪卫，闫振华，朱琳，刘敦楠，李根柱，梁家豪，王瀚甫，
申请(专利权)人：华北电力大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。