(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210878339.6 (22)申请日 2022.07.25 (71)申请人 国家电投集团数字科技有限公司 地址 102299 北京市昌平区科技园区创新 路7号1号楼 2106号 (72)发明人 须钢　刘治平　丛佳慧　王聪　 孙常亮　江龙　胡松　向军　 (74)专利代理 机构 北京方安思达知识产权代理 有限公司 1 1472 专利代理师 刘振　周玉秀 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 30/02(2012.01) G06Q 50/02(2012.01) G06K 9/62(2022.01)G06N 3/08(2006.01) G06N 3/12(2006.01) (54)发明名称 一种基于多变量分析的煤价预测方法及系 统 (57)摘要 本发明提供了一种基于多变量分析的煤价 预测方法及系统， 所述方法为： 对多个煤价影响 因素利用主成分分析法进行降维处理， 使用遗传 算法、 BP神经网络相结合对煤价进行预测。 本发 明的优势在于： 先对影响因素进行主成分分析， 降维处理， 避免因为输入 过多导致的运算缓慢和 过拟合现象， 提高预测速度； 在BP神经网络中加 入遗传算法， 避免出现局部最优问题； 使用主成 分分析、 遗传算法、 BP神经网络相结合的方案， 在 保证运算速度的同时， 提升预测精度及预测稳定 性。 权利要求书2页 说明书10页 附图1页 CN 115358447 A 2022.11.18 CN 115358447 A 1.一种基于多变量分析的煤价预测方法， 所述方法为： 对多个煤价影响因素利用主成 分分析法进行降维处 理， 使用遗传算法、 BP神经网络相结合对煤价进行 预测。 2.根据权利要求1所述的基于多变量分析的煤价预测方法， 其特征在于， 所述方法具体 包括： 步骤1： 获取影响煤价的因素， 得到影响因素矩阵： 其中， n为某个影响因素的数据个数； p为影响因素 数量； x为影响因素； 步骤2： 计算相关系数矩阵R： 其中， rij为影响因素矩阵中第i列和第j列数据标准 化后的相关系数： 其中， xki为第k行第i列 影响因素， xkj为第k行第j列影响因素； 分别为第i列和第j 列数据的平均值， i,j＝1,2, …,p； 步骤3： 求解特征方程|λi‑R|＝0， 得到特征根λi， 并将特征根由大到小排序， λ1≥λ2≥… ≥λp≥0， 然后求出特征根λi对应的特征向量ei， 要求 其中 表示向量ei的第j 个分向量； 步骤4： 计算主成分 贡献率及累计贡献率， 其中贡献率 为： 累计贡献率 为： 取累计贡献率达85％ ‑95％的特征值λ1, λ2,…, λm所对应的第1、 2、 …、 m， m≤p个成分作 为主成分； 步骤5： 计算主成分载荷lij： 获得各主成分载荷后， 计算各主成分得分： 即 步骤6： 将主成分输入BP神经网络进行煤价预测； 所述BP神经网络， 通过设置遗传算法权　利　要　求　书 1/2 页 2 CN 115358447 A 2参数， 进行选择、 交叉和变异运 算， 获取最优的权值和阈值， 完成训练。 3.根据权利要求2所述的基于多变量分析的煤价预测方法， 其特征在于， 所述BP神经网 络的参数设置为： 训练次数取值范围100～10000； 学习 速率取值范 围0.01～0.1； 训练目标 最小误差取值范围0.00001～0.0001； 隐含层节点个数使用经验公式 其中m为 输入层节点个数， n为输出层节点个数， a为1～10之间的整数， 使用循环来遍历范围内的隐 含层节点与训练误差， 从而确定最佳的隐含层节点。 4.根据权利要求2所述的基于多变量分析的煤价预测方法， 其特征在于， 所述设置遗传 算法参数： 进化代数取值范围10～50； 种群规模为取值范围1～100； 交叉概率取值范围0.1 ～1； 变异概 率取值范围0.0 01～0.1； 权 重和阈值的取值范围为 ‑2～2。 5.一种基于多变量分析的煤价预测系统， 所述系统包括： 获取影响煤价因素模块， 用于得到影响因素矩阵； 计算相关系数矩阵模块， 用于计算相关系数矩阵； 计算特征根模块， 用于求 解特征方程， 计算特 征根； 计算贡献率及累计贡献率模块， 用于计算贡献率及累计贡献率， 获取主成分； 计算主成分载荷模块， 用于计算主成分载荷； 和 预测煤价模块， 用于使用BP神经网络和遗传算法进行煤价预测。 6.根据权利要求5所述的基于多变量分析的煤价预测系统， 其特征在于， 所述BP神经网 络的参数设置为： 训练次数取值范围100～10000； 学习 速率取值范 围0.01～0.1； 训练目标 最小误差取值范围0.00001～0.0001； 隐含层节点个数使用经验公式 其中m为 输入层节点个数， n为输出层节点个数， a为1～10之间的整数， 使用循环来遍历范围内的隐 含层节点与训练误差， 从而确定最佳的隐含层节点。 7.根据权利要求5所述的基于多变量分析的煤价预测系统， 其特征在于， 所述遗传算法 参数的设置为： 进化代数取值范围10～50； 种群规模为取值范围1～100； 交叉概率取值范围 0.1～1； 变异概 率取值范围0.0 01～0.1； 权 重和阈值的取值范围为 ‑2～2。 8.一种计算机设备， 包括存储器、 处理器及存储在所述存储器上并可在所述处理器上 运行的计算机程序， 其特征在于， 所述处理器执行所述计算机程序时实现如权利要求1至4 中任一项所述的方法。 9.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质存储有计算机程 序， 所述计算机程序当被处理器执行时使 所述处理器执行如权利要求1至4任一项 所述的方 法。权　利　要　求　书 2/2 页 3 CN 115358447 A 3