[发明专利]一种生猪月度存栏量预测方法

权利要求书

1.一种生猪月度存栏量预测方法，其特征在于，包括以下步骤：

通过变分模态分解算法，将生猪存栏量的原始时间序列数据x(t)分解为K个模态；

对于每一个由变分模态分解得到的模态，先进行归一化处理，再按照预设比例划分为训练集和测试集；

采用训练集数据对极限学习机算法进行训练，确定算法的最优参数；

以步长为V的滑动窗口选取极限学习机算法的输入集数据；

对于每一个模态，分别将测试集的输入集数据输入到训练好的极限学习机算法中，输出对下一时点的预测值，将其反归一化处理后得到预测值序列u_k(t)；

对所有模态的预测值进行相加重构，得到最终的预测值结果；

其中，所述极限学习机算法的实现过程如下：

给定一个样本(x_i，y_i)，其中x_i＝[x_i1，x₂，...，x_iN]^T，表示N维输入集，y_i＝[y_i1，y_i2，...，y_iM]^T，表示M维输出集，i＝1，2，...，N表示样本标签；极限学习机算法的计算过程如下：

其中，L表示隐含层节点数量，β_l表示第l个节点的输出权重矩阵，F为执行运算的激活函数，w_l和b_l分别表示隐含层第l个节点的输入权重向量和偏置向量；因此，上述计算过程又可以表述为Hβ＝Y，其中β＝[β₁，β₂，...，β_L]^T，H表示隐含层输出权重矩阵，表示如下：

因此，将β表示为：β^T＝H⁺T＝H^T(HH^T)^-1T，其中H⁺＝H^T(HH^T)^-1表示隐含层输出矩阵H的Moore-Penrose广义逆矩阵。

2.根据权利要求1所述的生猪月度存栏量预测方法，其特征在于，K根据指标r_res自适应确定，公式如下：

其中，x(t)表示原始时间序列，N表示总时点数；当r_res开始达到小于0.01时，即确定模态个数K。

3.根据权利要求1所述的生猪月度存栏量预测方法，其特征在于，对于每一个由变分模态分解得到的模态，进行归一化处理的公式如下：

4.根据权利要求1所述的生猪月度存栏量预测方法，其特征在于，所述预设比例为8：2。

5.根据权利要求1所述的生猪月度存栏量预测方法，其特征在于，对所有模态的预测值进行相加重构的公式如下：