[发明专利]一种基于改进gru算法的柴油发动机销量预测方法、系统、装置以及存储介质

权利要求书

1.一种基于改进gru算法的柴油发动机销量预测方法，其特征在于，包括以下步骤：

步骤1：输入发动机销量数据集，将销售数据按机型、类别和销售量进行分类并将所有数据按月汇总，检查缺失值，进行缺失值补充，最终形成以月为单位不间断的数据集；

步骤2：基于分类后的数据集，根据扩散理论建立销量正态分布模型，利用销量正态分布模型估算总销量拐点，用于预测拐点后的销量，将其作为长期趋势预测结果；

步骤3：将数据集中的数据用ARIMA模型处理并得到平均自回归的趋势预测结果，用于预测从当前时刻至下一拐点发生时刻的这段时间内销量数据，作为中期的趋势预测结果，结合步骤2的趋势预测结果得到趋势分段函数；

步骤4：基于步骤3所得趋势分段函数，利用改进的GRU算法计算待预测数据集的销量预测值。

2.如权利要求1所述的一种基于改进gru算法的柴油发动机销量预测方法，其特征在于，步骤1所述的缺失值补充步骤包括：

步骤11：采用最小二乘法对缺失值所在年度求得销量的直线拟合方程；

步骤12：通过所述直线拟合方程对缺失点的数据进行估算，并将该估算结果作为该点的插入值。

3.如权利要求1所述的一种基于改进gru算法的柴油发动机销量预测方法，其特征在于，步骤2所述的销量正态分布模型的建立步骤为：

步骤21：将分类后的数据作为训练集，针对每一类数据进行训练，先对训练集中的数据求和得到销量总量M₀；

步骤22：对训练集中的每个数据m_t进行归一化处理，归一化处理公式为：

步骤23：根据巴斯扩散模型得到N(t)遵循的条件为：

N(t)＝N(t-1)+p[1-N(t-1)]+qN(t-1)[1-N(t-1)]

其中，N(t)代表t月份销量占总市场容量的比重，并且令N(0)＝M(0)，p代表外部影响系数，q代表内部影响系数；

以标准巴斯曲线p＝0.03，q＝0.38为初值，记R(t)为误差函数：

R(t)＝N(t)-M(t)

通过牛顿迭代法调整p、q取值求解方程R(t)＝0的最优解；

步骤24：求解微分方程：

得到的极大点t₀，设正态分布中数学期望μ＝M₀×N(t₀)，并根据训练数据计算N(t)的标准差σ：

进而构建服从参数μ、σ的销量正态分布模型，其密度函数为：

f(x)代表此销量下销量占市场总量的比重；

步骤25：取数学期望μ一至两倍标准差范围内中位数所对应的时间t_mid1与t_mid2作为拐点出现的时间。

4.如权利要求1所述的一种基于改进gru算法的柴油发动机销量预测方法，其特征在于，步骤3的具体操作步骤包括：

步骤31：导入经过预处理的待预测的预测数据集，根据预测数据集发动机所属类别，由步骤25得到相应的拐点，用以估计预测数据集当前所处的扩散阶段；

步骤32：根据公式(1)将预测数据集中的销量数据P(t)转换为累积销量数据Q(t)，对销售总量数据建立ARIMA模型，该模型为公式(2)：

其中，Lⁱ为滞后算子，ε_t为零均值白噪声序列，X_t为输入的时间序列，φ_i和θ_i分别表示自回归系数和滑动平均系数；

步骤33：根据公式(2)计算当前时期至下一拐点出现前的总量变化趋势得到趋势预测函数，并将趋势预测函数F(t)整理为分段函数，公式如下：

其中，t_next表示下一时刻。