[发明专利]一种天然气用气量的预测方法及装置

说明书

本申请提供了一种天然气用气量的预测方法及装置，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主成分变量矩阵对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；将预设时间段内每个影响天然气用气量的主成分的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。本发明采用大数据技术和多元素线性回归算法，基于海量历史数据训练出天然气用气量预测模型，实现对天然气用气量的准确预测。

技术领域

本发明涉及计算机技术领域，更具体的，涉及一种天然气用气量的预测方法及装置。

背景技术

近几年，随着我国经济的快速发展，天然气需求得到了快速的增长，为了降低天然气存储成本并避免“气荒”现象的发生，需要对天然气用气量进行准确预测。

目前一般采用经验法根据当天的天然气用气量来推测次日的天然气用气量，由于人为的主观因素干扰性大，使得预测的天然气用气量与实际天然气用气量之间的偏差较大。当预测的天然气用气量大于实际天然气用气量时，增加了天然气的存储成本，而当预测的天然气用气量小于实际天然气用气量时，导致天然气不够用，甚至出现“气荒”现象的发生。

发明内容

有鉴于此，本发明提供了一种天然气用气量的预测方法及装置，基于大数据技术，利用海量历史数据对多元素线性回归模型进行训练，得到科学的天然气用气量预测模型，提高了天然气用气量预测的准确性。

为了实现上述发明目的，本发明提供的具体技术方案如下：

一种天然气用气量的预测方法，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。

可选的，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。

可选的，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。