[发明专利]一种小样本数据预测方法及装置

权利要求书

1.一种小样本数据预测方法，其特征在于，包括：

将待预测样本数据输入神经网络预测模型，输出待预测样本数据对应的预测值；

其中，所述神经网络预测模型是根据双立方插值后的样本数据进行训练后得到的。

2.根据权利要求1所述的小样本数据预测方法，其特征在于，将待预测样本数据输入神经网络预测模型，之前还包括：

将初始样本数据划分为训练集和测试集，对训练集的样本数据进行双立方插值；

引入隐藏层神经元确定参数因子，构建所述神经网络预测模型；

利用双立方插值后的样本数据对所述神经网络预测模型进行训练，直至模型收敛。

3.根据权利要求2所述的小样本数据预测方法，其特征在于，所述对训练集的样本数据进行双立方插值具体包括：

构造矩形网格，对于给定的初始样本数据(x_i,y_j)，i＝0,1,2…n；j＝0,1,2…m，则以

构建xoy平面上的矩形网格，且满足：

网格边界满足如下条件：

基于所述矩形网格，构造双立方插值函数进行计算：

式中，x_i表示输入数据；y_j表示输出数据；a、b、c、d分别表示数据的最小值、输入数据最大值、输出数据最小值、输出数据最大值；a_ij表示构造的多项式的待定系数；

其中，a_ij通过分别连续对x与y向量取微分得到；

对双立方插值后的样本数据按照原比例划分成输入样本集合和输出样本集合。

4.根据权利要求3所述的小样本数据预测方法，其特征在于，所述引入隐藏层神经元确定参数因子，构建所述神经网络预测模型具体包括：

引入隐藏层神经元确定参数因子Num确定神经网络预测模型的隐藏层神经元个数，其中，神经网络预测模型包括输入层、隐藏层和输出层；

式中，Num表示隐含层神经元的数量，c＝rand(1,9)表示1到9之间一个随机常数；N_x表示输入样本维数，N_y表示输出样本的维数，N_s表示初始样本数据的样本数量。

5.根据权利要求4所述的小样本数据预测方法，其特征在于，所述利用插值后的样本数据对所述神经网络预测模型进行训练，直至模型收敛，具体包括：

对于任一输入样本，将所述输入样本输入神经网络预测模型，根据所述输入样本对应的实际输出和目标输出计算损失误差；

根据所述损失误差调整模型参数；

重复训练所述神经网络预测模型，直到所述神经网络预测模型收敛。