[发明专利]一种基于神经网络及聚类的停电敏感性分析方法

权利要求书

1.一种基于神经网络及聚类的停电敏感性分析方法，其特征在于：包括以下具体步骤：步骤1：数据预处理：采集停电计划表、停电工单表、报修工单表、客户诉求工单表，作为数据样本，计算各区域对应的停电工单数量，对停电计划表和停电工单中文本型分类变量进行数据标签化，使得数据样本平衡；

步骤2：聚类分析：对数据样本进行聚类分析，标注各地域的停电敏感性标签，将停电敏感性标签作为地域因素指标加入停电计划政策向导表；

步骤3：构建线路敏感性神经网络预测模型；根据投诉工单和报修工单量是否超过预设阈值，判分是否敏感特性；

步骤4：停电计划安排：对停电导致的投诉工单和报修工单向上追溯至地区和线路，精准定位客户的敏感度特性，为未来停电安排提供依据。

2.根据权利要求1所述的一种基于神经网络及聚类的停电敏感性分析方法，其特征在于：步骤1中采用欠采样技术解决数据样本的不平衡现象。

3.根据权利要求1所述的一种基于神经网络及聚类的停电敏感性分析方法，其特征在于：步骤1中采用调整权重技术解决数据样本的不平衡现象。

4.根据权利要求1所述的一种基于神经网络及聚类的停电敏感性分析方法，其特征在于步骤1中采用过采样技术解决数据样本的不平衡现象。

5.根据权利要求4所述的一种基于神经网络及聚类的停电敏感性分析方法，其特征在于：步骤1中采用合成少数类过采样技术解决数据样本的不平衡现象。

6.根据权利要求5所述的一种基于神经网络及聚类的停电敏感性分析方法，其特征在于：采用合成少数类过采样技术解决数据样本的不平衡现象，正则化强调为0.01。

7.根据权利要求1所述的一种基于神经网络及聚类的停电敏感性分析方法，其特征在于：步骤2中采用两步聚类法；

1)预聚类阶段：采用BIRCH算法中CF树生长的方法，逐个读取数据集中数据点，在生成CF树的同时，预先聚类密集区域的数据点，形成诸多的小的子簇；

2)聚类(clustering)阶段：以所述子簇为对象，利用凝聚法逐个地合并子簇，直到预设的簇数量。

8.根据权利要求1所述的一种基于神经网络及聚类的停电敏感性分析方法，其特征在于：步骤2中采用模糊C均值聚类法；

步骤8-1：对于给定的训练样本{X₁，X₂，…，X_j,…,X_N}，设定K为分类的个数，W为初始的隶属度矩阵，W的每个数据w_ji采取计算机伪随机给定[0,1]之间的数值，并满足下式：

目标函数为：

步骤8-2：计算每一个聚类的中心点：

步骤8-3：根据公式(2)和(3)计算第t次和第t-1次迭代的目标函数值J^(t)和J^(t-1)，并计算J^(t)和J^(t-1)之间的差值；当这个差值小于设定的某个容忍的误差ε时，结束迭代运算过程，否则，执行步骤8-4；

E(t)＝||J^(t)-J^(t-1)||ε

(5)

步骤8-4：重新计算隶属度矩阵W，公式如下式所示，并返回

步骤8-2，

其中，C_s为本次迭代所得的每一个聚类中心。