[发明专利]一种发电企业设备库存备品数量的预测评估方法

权利要求书

1.一种发电企业设备库存备品数量的预测评估方法，其特征在于，包括如下四个阶段：数据收集阶段，数据处理阶段、迭代调整阶段和最终评估模型；

所述数据收集阶段依次包括：实时数据收集，原始数据整理，原始数据集和生成评估模型；

所述数据处理阶段依次包括：初始数据归一化处理，主成分分析法对训练样本进行处理，处理后数据；

所述迭代调整阶段依次包括：极限学习机构造网络进行模型训练，临时评估模型和预测结果测试。

2.根据权利要求1所述的一种发电企业设备库存备品数量的预测评估方法，其特征在于，所述数据处理阶段的执行流程为：实时数据收集、原始数据整理、原始数据集、生成评估模型。

3.根据权利要求1所述的一种发电企业设备库存备品数量的预测评估方法，其特征在于，所述数据处理阶段的执行流程为：初始数据归一化处理、主成分分析法对训练样本进行处理、处理后数据。

4.根据权利要求3所述的一种发电企业设备库存备品数量的预测评估方法，其特征在于，所述初始数据归一化处理是对原始数据集进行处理，将每个特征值处于[0,1]之间；初始数据归一化处理使用“min-max”标准化方法，其表达式为：

x_new＝(x-min)/(max-min)

其中，x为原始数据某样本中某个特征特征A的原始值，min为原始数据中所有样本的A特征的最小值，max为A特征的最大值，xnew是归一化后这个样本特征A的转换后的值。

5.根据权利要求1所述的一种发电企业设备库存备品数量的预测评估方法，其特征在于，所述处理后的数据样本分为两部分：测试数据集和训练数据集；并将训练数据集放入处使用极限学习机构造网络进行模型的训练与学习，在极限学习机中输入隐层节点数和激励函数。

6.根据权利要求1所述的一种发电企业设备库存备品数量的预测评估方法，其特征在于，所述迭代调整阶段的执行流程为：极限学习机构造网络进行模型训练，临时评估模型和预测结果测试。