[发明专利]一种天然气用气量的预测方法及装置

权利要求书

1.一种天然气用气量的预测方法，其特征在于，包括：

获取天然气用气量的相关历史数据，并对天然气用气量的相关历史数据进行预处理；

对预处理后的数据进行主成分分析，得到多个影响天然气用气量的主成分以及主成分变量矩阵；

依据多个所述影响天然气用气量的主成分构建多元素线性回归模型，并利用天然气用气量的相关历史数据和所述主成分变量矩阵对所述多元素线性回归模型进行训练，得到天然气用气量预测模型；

获取预设时间段内每个所述影响天然气用气量的主成分的参数值，并将所述参数值输入到所述天然气用气量预测模型中进行计算，得到天然气用气量的预测值。

2.根据权利要求1所述的方法，其特征在于，所述对天然气用气量的相关历史数据进行预处理，包括：

对天然气用气量的相关历史数据进行数据清洗处理；

采用多重插补法对数据清洗处理后存在缺失的数据进行处理，填补缺失的数据；

对数据进行归一化处理，将不同量纲的数据转化成具有相同量纲的数据，并将不同数量级的数据转化成具有相同数量级的数据。

3.根据权利要求1所述的方法，其特征在于，所述对预处理后的数据进行主成分分析，得到多个影响天然气用气量的主成分以及主成分矩阵，包括：

对预处理后的数据进行标准化处理，生成变量矩阵，所述变量矩阵表示预处理后的数据中的每个变量在相应时间内的值；

计算变量间的相关系数，生成变量间的相关系数矩阵；

依据所述相关系数矩阵计算每个主成分的特征值与特征向量；

计算每个所述主成分的贡献率，并按贡献率由大到小对所述主成分进行排序，取前K个主成分作为所述影响天然气用气量的主成分；

将所述影响天然气用气量的主成分的特征向量按行生成矩阵S；

利用所述矩阵S对所述变量矩阵进行降维处理，得到所述主成分变量矩阵Y。

4.根据权利要求1所述的方法，其特征在于，所述依据多个所述影响天然气用气量的主成分构建多元素线性回归模型，并利用天然气用气量的相关历史数据和所述主成分变量矩阵对所述多元素线性回归模型进行训练，得到天然气用气量预测模型，包括：

构建多元素线性回归模型，所述多元素线性回归模型中变量的数量与所述影响天然气用气量的主成分的数量相同；

将所述主成分变量矩阵中每个主成分在不同时间的变量值和天然气用气量的相关历史数据中相应的天然气用气量输入所述多元素线性回归模型中进行迭代训练，得到所述多元素线性回归模型中每个变量的回归系数，进而得到天然气用气量预测模型。

5.一种天然气用气量的预测装置，其特征在于，包括：

数据处理单元，用于获取天然气用气量的相关历史数据，并对天然气用气量的相关历史数据进行预处理；

数据分析单元，用于对预处理后的数据进行主成分分析，得到多个影响天然气用气量的主成分以及主成分变量矩阵；

模型构建单元，用于依据多个所述影响天然气用气量的主成分构建多元素线性回归模型，并利用天然气用气量的相关历史数据和所述主成分变量矩阵对所述多元素线性回归模型进行训练，得到天然气用气量预测模型；

用气量预测单元，用于获取预设时间段内每个所述影响天然气用气量的主成分的参数值，并将所述参数值输入到所述天然气用气量预测模型中进行计算，得到天然气用气量的预测值。

6.根据权利要求5所述的装置，其特征在于，所述数据处理单元，具体用于对天然气用气量的相关历史数据进行数据清洗处理；采用多重插补法对数据清洗处理后存在缺失的数据进行处理，填补缺失的数据；对数据进行归一化处理，将不同量纲的数据转化成具有相同量纲的数据，并将不同数量级的数据转化成具有相同数量级的数据。