[发明专利]一种基于鲸鱼优化算法的电价预测方法及相关装置

权利要求书

1.一种基于鲸鱼优化算法的电价预测方法，其特征在于，包括：

根据精英保留策略和交叉操作对鲸鱼优化算法的结果进行迭代优化处理，得到神经网络的权值和阈值；根据所述权值和阈值对构建的初始神经网络进行参数调整，得到预测神经网络；

对原始电价序列进行预处理，采用所述预测神经网络对预处理结果进行预测处理，得到电价预测结果。

2.根据权利要求1所述的电价预测方法，其特征在于，根据精英保留策略和交叉操作对鲸鱼优化算法的结果进行迭代优化处理，得到神经网络的权值和阈值，包括：

对鲸鱼优化算法进行随机初始化处理，得到初始化种群；

根据鲸鱼优化算法对所述初始化种群进行鲸鱼群更新处理，将得到的子代种群与初始化种群合并为混合种群，根据所述精英保留策略对所述混合种群进行筛选处理得到精英种群；

对所述精英种群执行交叉操作，将得到的交叉子代种群与所述精英种群合并为交叉混合种群，根据所述精英保留策略对所述交叉混合种群进行筛选处理，得到交叉精英种群；

将所述交叉精英种群作为所述初始化种群并执行相应的处理，直到执行次数达到最大迭代次数，将所述交叉精英种群中最优个体的位置作为神经网络的权值和阈值。

3.根据权利要求1所述的电价预测方法，其特征在于，对原始电价序列进行预处理，采用所述预测神经网络对预处理结果进行预测处理，得到电价预测结果，包括：

对所述原始电价序列进行分解处理得到多个子序列；

采用所述预测神经网络对所有所述子序列进行预测处理，得到多个子序列预测值；

将所有所述子序列预测值进行叠加得到电价预测结果。

4.根据权利要求3所述的电价预测方法，其特征在于，对所述原始电价序列进行分解处理得到多个子序列，包括：

根据经验模式分解算法对所述原始电价序列进行分解处理，得到所述多个子序列。

5.一种基于鲸鱼优化算法的电价预测装置，其特征在于，包括：

神经网络训练模块，用于根据精英保留策略和交叉操作对鲸鱼优化算法的结果进行迭代优化处理，得到神经网络的权值和阈值；根据所述权值和阈值对构建的初始神经网络进行参数调整，得到预测神经网络；

电价预测模块，用于对原始电价序列进行预处理，采用所述预测神经网络对预处理结果进行预测处理，得到电价预测结果。

6.根据权利要求5所述的电价预测装置，其特征在于，所述神经网络训练模块，包括迭代优化单元和参数调整单元；

其中，所述迭代优化单元包括：

初始化处理子单元，用于对鲸鱼优化算法进行随机初始化处理，得到初始化种群；

鲸鱼群位置更新子单元，用于根据鲸鱼优化算法对所述初始化种群进行鲸鱼群更新处理，将得到的子代种群与初始化种群合并为混合种群，根据所述精英保留策略对所述混合种群进行筛选处理得到精英种群；

种群交叉处理子单元，用于对所述精英种群执行交叉操作，将得到的交叉子代种群与所述精英种群合并为交叉混合种群，根据所述精英保留策略对所述交叉混合种群进行筛选处理，得到交叉精英种群；

迭代结果获取子单元，用于将所述交叉精英种群作为所述初始化种群并执行相应的处理，直到执行次数达到最大迭代次数，将所述交叉精英种群中最优个体的位置作为神经网络的权值和阈值。

7.根据权利要求5所述的电价预测装置，其特征在于，所述电价预测模块，包括：

预处理单元，用于对所述原始电价序列进行分解处理得到多个子序列；

预测单元，用于采用所述预测神经网络对所有所述子序列进行预测处理，得到多个子序列预测值；

结果获取单元，用于将所有所述子序列预测值进行叠加得到电价预测结果。

8.根据权利要求7所述的电价预测装置，其特征在于，所述预处理单元具体用于根据经验模式分解算法对所述原始电价序列进行分解处理，得到所述多个子序列。