摘要
本发明涉及电网建设物资需求预测技术领域,尤其涉及一种用于电力施工的项目物资需求预测方法及系统,方法包括:获取历史项目数据,历史项目数据包括多个项目的项目属性参数及物资使用数据;根据项目属性参数和物资使用数据构建第一训练样本集和第二训练样本集;建立RBF神经网络预测模型和BP神经网络预测模型,采用第一训练样本集对预测模型进行训练,得到第一预测模型和第二预测模型;根据第二训练样本集及预设的基准随机森林模型对第一预测模型和第二预测模型进行融合,得到目标预测模型;获取待测项目的项目属性参数,基于目标预测模型得到待测项目的物资需求预测数据。本发明可以避免神经网络模型的过拟合,还可以提高预测的稳定性。
技术关键词
项目
BP神经网络预测
BP神经网络模型
随机森林模型
RBF神经网络
神经网络预测模型
训练样本集
参数
粒子群优化算法
数据
物资需求预测技术
电力
基准
正态分布函数
极值
粒子群算法
系统为您推荐了相关专利信息
机器学习优化
甲烷化催化剂
模型解释技术
机器学习模型
超参数
数据采集传感器
电力配网工程
审计方法
数据存储路径
数据访问权限
财务数据分析系统
收入
分析模块
机器学习算法
多源异构数据
大数据分析系统
索引策略
快照
数据查询效率
性能指标数据