[发明专利]一种粒子群优化BP神经网络配网物资价格预测方法

权利要求书

1.一种粒子群优化BP神经网络配网物资价格预测方法，其特征在于：包括，

利用网络爬虫工具定期采集互联网上的配网物资市场价格和主要供应商信息；

对所述信息进行数据归一化处理，形成配网物资市场价格数据库；

利用PSO优化BP神经网络算法深度分析配网主要物资采购价格，形成配网主要物资价格走势预测分析模型；

将所述数据库内的数据作为输入变量，输入所述预测分析模型内进行配网主要物资价格走势预测分析，降低配网主要物资采购成本。

2.根据权利要求1所述的粒子群优化BP神经网络配网物资价格预测方法，其特征在于：所述网络爬虫工具包括，引擎、调度器、下载器、爬虫、管道、下载中间件和爬虫中间件；

利用所述网络爬虫工具对互联网进行抓取，获得所述信息，对其进行清洗，过滤掉噪声数据并按照一定格式进行转换，进入配网物资市场价格主题大数据库。

3.根据权利要求2所述的粒子群优化BP神经网络配网物资价格预测方法，其特征在于：所述归一化处理包括，将所述配网物资市场价格、配网物资供应商信息数据进行归一化处理，选取多家供应商的配网物资市场价格的平均价格作为当日配网物资市场价格，定义为所述输入变量。

4.根据权利要求2或3所述的粒子群优化BP神经网络配网物资价格预测方法，其特征在于：形成所述预测分析模型包括，

定义在一个D维的目标搜索空间中，有N个粒子组成一个群落，其中第i个粒子表示为一个D维的向量，

X_i＝(x_i1,x_i2,…,x_iD)，i＝1,2,…,N

第i个粒子的飞行速度也是一个D维的向量，如下，

V_i＝(v_i1,v_i2，…,v_iD)，i＝1,2,…3

第i个粒子迄今为止搜索到的最优位置称为个体极值，如下，

p_best＝(p_i1,p_i2,…,p_iD)，i＝1,2,…,N

整个粒子群迄今为止搜索到的最优位置为全局极值，如下，

g_best＝(p_g1,p_g2,…,p_gD)

找到所述两个最优极值时，粒子根据下式更新自身速度和位置，如下，

v_id＝w*v_id+c₁r₁(p_id-x_id)+c₂r₂(p_gd-x_id)

x_id＝x_id+v_id

其中，c₁和c₂为学习因子，即加速常数，r₁和r₂为[0，1]范围内的均匀随机数，c₁＝c₂＝2，i＝1,2,…,D，v_id是粒子的速度，v_id∈[-v_max,v_max]，v_max是常数，由用户设定用来限制粒子速度，r₁和r₂是介于[0,1]之间的随机数。

5.根据权利要求4所述的粒子群优化BP神经网络配网物资价格预测方法，其特征在于：还包括，

V_id右边由三部分组成，第一部分为惯性或动量部分，反映了粒子的运动习惯，代表粒子有维持自己先前速度的趋势；

第二部分为认知部分，反映了粒子对自身历史经验的记忆或回忆，代表粒子有向自身历史最佳位置逼近的趋势；

第三部分为社会部分，反映了粒子间协同合作与知识共享的群体历史经验，代表粒子有向群体或邻域历史最佳位置逼近的趋势。