[发明专利]基于神经网络的预测方法及系统

权利要求书

1.一种基于神经网络的预测方法，其特征在于，包括：

常规训练步骤：按照常规神经网络预测算法和常规神经网络分类算法对训练数据分别进行训练，分别得到预测模型和分类模型；

测试步骤：将测试数据分别输入预测模型和分类模型，分别得到预测结果和分类结果；

判断步骤：根据所述预测结果和所述分类结果的区间关系，确定所述预测结果的正确性；

预测步骤：在确定出所述预测结果正确后，输出按所述预测模型预测的预测结果。

2.如权利要求1所述的方法，其特征在于，所述判断步骤包括：

判断所述预测结果是否属于所述分类结果所在的区间，

如果所述预测结果不属于所述分类结果所在的区间，则丢弃当前的所述预测模型，按照所述常规神经网络预测算法重新训练预测模型；

如果所述预测结果属于所述分类结果所在的区间，则保留当前的所述预测模型。

3.如权利要求2所述的方法，其特征在于，所述预测步骤中，在确定出所述预测结果正确后，直接输出所述预测结果；

或者，所述预测步骤包括：在确定出所述预测结果属于所述分类结果所在的区间后，对每一个测试数据进行复制，得到多个同一测试数据，将所述多个同一测试数据输入所述预测模型进行预测，得到多个预测值，对所述多个预测值去掉最大值和最小值后求取平均值，所述平均值作为最终的预测结果输出。

4.如权利要求1所述的方法，其特征在于，在所述常规训练步骤中，应用于常规神经网络预测算法的训练数据和应用于神经网络分类算法的训练数据是同一组数据；所得到的分类模型和预测模型在建立时所使用的参数形式不相同。

5.如权利要求1所述的方法，其特征在于，在所述常规训练步骤中，按照常规神经网络预测算法进行训练的训练数据的形式是直接采用的数值方式，按照常规神经网络分类算法进行训练的训练数据的形式是将数值按不同的幅值划分到不同区间，以将对应的区间数值应用于建立神经网络分类网络。

6.一种基于神经网络的预测系统，其特征在于，包括：

常规训练模块，用于按照常规神经网络预测算法和常规神经网络分类算法对训练数据分别进行训练，分别得到预测模型和分类模型；

测试模块，用于将测试数据分别输入预测模型和分类模型，分别得到预测结果和分类结果；

判断模块，用于根据所述预测结果和所述分类结果的区间关系，确定所述预测结果的正确性；

预测模块，用于在确定出所述预测结果正确后，输出按所述预测模型预测的预测结果。

7.如权利要求6所述的系统，其特征在于，所述判断模块具体用于判断所述预测结果是否属于所述分类结果所在的区间，

如果所述预测结果不属于所述分类结果所在的区间，则丢弃当前的所述预测模型，按照所述常规神经网络预测算法重新训练预测模型；

如果所述预测结果属于所述分类结果所在的区间，则保留当前的所述预测模型。

8.如权利要求7所述的系统，其特征在于，所述预测模块用于在确定出所述预测结果正确后，直接输出所述预测结果；或者所述预测模块具体用于在确定出所述预测结果属于所述分类结果所在的区间后，对每一个测试数据进行复制，得到多个同一测试数据，将所述多个同一测试数据输入所述预测模型进行预测，得到多个预测值，对所述多个预测值去掉最大值和最小值后求取平均值，所述平均值作为最终的预测结果输出。

9.如权利要求6所述的系统，其特征在于，在所述常规训练模块中，应用于常规神经网络预测算法的训练数据和应用于神经网络分类算法的训练数据是同一组数据；所得到的分类模型和预测模型在建立时所使用的参数形式不相同。

10.如权利要求6所述的系统，其特征在于，在所述常规训练模块中，按照常规神经网络预测算法进行训练的训练数据的形式是直接采用的数值方式，按照常规神经网络分类算法进行训练的训练数据的形式是将数值按不同的幅值划分到不同区间，以将对应的区间数值应用于建立神经网络分类网络。