[发明专利]一种基于神经网络的电网业务分类方法

权利要求书

1.一种基于神经网络的电网业务分类方法，其特征在于：所述方法包括以下步骤：

I、预处理数据集；

II、根据个体网络训练集训练并生成n个体神经网络，5≤n≤12；

III、根据网络选择训练集确定所述个体神经网络的权值系数；

IV、根据所述权值系数判断是否保留所述个体神经网络，生成神经网络组合模型；根据 测试样本集测试所述神经网络组合模型，根据阈值调整所述神经网络组合模型；

V、输出最优神经网络组合模型和分类结果。

2.如权利要求1所述的一种基于神经网络的电网业务分类方法，其特征在于：所述步骤 I中，获取电网业务中的数据作为待处理数据，剔除所述待处理数据中有误数据，将剩余所述 划分为个体网络训练集、网络选择训练集和测试样本集；

所述网络选择训练集和所述测试样本集的数据个数相等，所述个体网络训练集的个数是 所述网络选择训练集或所述测试样本集个数的3至5倍。

3.如权利要求1所述的一种基于神经网络的电网业务分类方法，其特征在于：所述步骤 III包括以下步骤：

S301、所述网络选择训练集输入训练后的所述个体神经网络，计算并保存各个体神经网 络的适应度函数值；

S302、运用改进的CS算法确定所述个体神经网络的权值系数。

4.如权利要求3所述的一种基于神经网络的电网业务分类方法，其特征在于：所述步骤 S302包括以下步骤：

S3021、初始化所述CS算法的参数，包括发现概率p_a、最大迭代次数itermax和生成的 行向量个数cnt；

S3022、根据所述行向量个数cnt和所述个体神经网络确定行向量个数n随机生成cnt×n 的矩阵，确定所述行向量中大于元素阈值的元素所对应个体神经网络的适应度函数值，根据 所述适应度函数值寻找最优行向量；

S3023、根据所述行向量按下式生成行向量一：

式中，表示在第t次迭代时的第i个行向量；α为动态步长调节因子，α＝||s-best||，s 为任意行向量best为所述最优行向量；Levy(λ)为Levy飞行随机路径， Levy(λ)～u＝t^-λ(1＜λ≤3)，k为(0,1)之间的随机数，服从柯西分布；

S3024、确定所述行向量一的适应度函数值，若所述行向量一的适应度函数值大于原所述 行向量的适应度函数值，则所述行向量一替换原行向量及对应的适应度函数值，在替换后的 行向量中根据适应度函数值确定最优行向量；

S3025、随机生成cnt×n的矩阵二，所述矩阵二的元素与所述发现概率p_a对比，保留所 述发现概率较小的分量，将其他分量加入随机扰动，获得行向量二；

S3026、判断所述行向量二的适应度函数值是否大于所述步骤S4024中最优行向量的适应 度函数值，若大于则用行向量二替换对应的行向量，重新寻找最优行向量并记录最优适应度 函数值；

S3027、判断迭代次数是否到达所述最大迭代次数，若未到达则回到步骤S3023，否则停 止搜索，确定最优行向量为所述个体神经网络的权值系数。

5.如权利要求1所述的一种基于神经网络的电网业务分类方法，其特征在于：所述步骤 IV包括以下步骤：

S401、比较所述权值系数和阈值，若所述权值系数大于所述阈值，则保留权值大于阈值 的个体神经网络，删除其余神经网络不予考虑；

S402、根据保留的个体神经网络构成神经网络组合模型；

S403、将所述测试样本集输入所述神经网络组合模型中，根据相对多数投票原则确定分 类结果，计算分类准确率；

S404、若所述分类准确率低于预期目标，按下式调整所述阈值th(i)：

th(i+1)＝th(i)+δ

式中，δ为修正量，th(i)为原阈值，所述阈值的初始大小为所述个体神经网络个数的倒数；

S405、返回步骤S401。