[发明专利]基于互联网模糊信息模型修正的区域空间负荷预测方法和系统及设备

权利要求书

1.基于互联网模糊信息模型修正的区域空间负荷预测方法，其特征在于，包括如下步骤，

步骤1，采集规划区域内地块的历史负荷数据，通过空间负荷预测方法对地块负荷进行预测，得到各地块负荷初始预测值；

步骤2，根据各地块负荷初始预测值和负荷实际值，得到负荷相对误差超出误差阈值的目标地块；根据目标地块的标识信息识别影响地块空间负荷的互联网模糊信息，形成各目标地块的事件集合；

步骤3，对目标地块的事件集合中的事件分别建立事件影响因素量化模型；

步骤4，利用事件影响因素量化模型分别对目标地块的对空间负荷预测结果进行修正，得到目标地块最终负荷预测值；

步骤5，重复步骤3和4对所有的目标地块的空间负荷预测结果进行修改，得到各自对应最终负荷预测值，结合规划区域内满足误差阈值的地块的负荷初始预测值，完成基于互联网模糊信息模型修正的区域空间负荷预测。

2.根据权利要求1所述的基于互联网模糊信息模型修正的区域空间负荷预测方法，其特征在于，步骤1中，地块的历史年负荷数据指历史年份中各历史年的最大负荷，采集的历史负荷数据经过数据处理和数据清洗过程；

需要采集的历史负荷数据至少包括10年以上的历史负荷数据，如果数据条件不具备10年的采集年度数量要求，则减少历史负荷数据采集年份至具备数据条件的采集年度数量最大值。

3.根据权利要求1所述的基于互联网模糊信息模型修正的区域空间负荷预测方法，其特征在于，步骤1中，

所处的空间负荷预测方法采用支持向量回归方法、线性模型方法、指数模型方法或抛物线模型方法；

所处的空间负荷预测方法基于步骤地块历史负荷数据，构建地块负荷的初始预测模型，通过初始预测模型得到各地块负荷初始预测值。

4.根据权利要求1所述的基于互联网模糊信息模型修正的区域空间负荷预测方法，其特征在于，步骤2的具体步骤如下，

步骤2.1，基于地块历史负荷数据计算负荷实际值L_i与初始预测值之间的相对误差α_j；相对误差

步骤2.2，对各地块的负荷预测相对误差进行排序，找出相对误差超出误差阈值的目标地块B_k，1≤k≤m；

步骤2.3，根据目标地块B_k的标识信息，通过互联网搜索相关信息，筛选影响负荷预测结果的事件，形成事件集合Μ。

5.根据权利要求1或4所述的基于互联网模糊信息模型修正的区域空间负荷预测方法，其特征在于，目标地块的标识信息包括目标地块的地址、地块上企业的名称和年份信息。

6.根据权利要求4所述的基于互联网模糊信息模型修正的区域空间负荷预测方法，其特征在于，所述事件集合Μ按照事件类型包括新增负荷事件Μ₁和企业营收增长事件Μ₂。

7.根据权利要求6所述的基于互联网模糊信息模型修正的区域空间负荷预测方法，其特征在于，步骤3中对目标地块的事件集合中的事件分别建立事件影响因素量化模型如下，

建立事件Μ₁的量化模型；设地块负荷修正量为ΔL，报装容量为P_re，则事件Μ₁影响因素量化模型为ΔL＝kP_re，其中k为比例系数；

建立事件Μ₂的量化模型；设地块负荷修正比例为q，企业营收增长率为p，则事件Μ₂影响因素量化模型为q＝f(p)。

8.根据权利要求7所述的基于互联网模糊信息模型修正的区域空间负荷预测方法，其特征在于，步骤4中，利用事件影响因素量化模型分别对目标地块的对空间负荷预测结果进行修正如下，

基于事件Μ₁修正的目标地块B_k的最终负荷预测值为：

基于事件Μ₂修正的目标地块B_k最终负荷预测值为：