摘要
本发明提供一种电力计量物资仓储预测方法、系统、设备及介质,属于电力计量物资仓储技术领域,所述方法:采集历史计量物资数据并进行清洗和处理,再执行特征选择、特征编码以及时间序列特征构建的特征处理,得到数据样本;将数据样本划分为训练集和测试集,使用训练集对ARIMA模型进行训练,再使用测试集结合均方误差算法进行模型性能评估,得到最优预测模型;采集实时计量物资数据并进行清洗和处理后,再进行特征处理,输入最优预测模型进行电力计量物资的仓储数据预测。本发明能够对电力计量物资的仓储情况进行预测,从而解决传统仓储管理中供需失衡的问题,减少库存积压和资源浪费,确保电力系统的高效运行。
技术关键词
时间序列特征
多项式特征
ARIMA模型
特征选择
随机森林模型
物资仓储技术
样本
线性回归方法
仓储规划
编码
时间段
数据采集模块
处理器
误差
预测系统
数值
电力系统
关系
系统为您推荐了相关专利信息
高血压肾病
BP神经网络
AdaBoost算法
多模型融合方法
XGBoost算法
运营管理方法
建筑能耗数据
信用评估模型
随机森林模型
特征值
地表温度数据
随机森林模型
建成区
智能道路
分析方法
热电太阳能发电
智能预测方法
设备特征
气象
功率
灰度共生矩阵
灰度矩阵
分类方法
分类器模型
回波