買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網恭喜國網寧夏電力有限公司電力科學研究院申請的專利工業增加值增速預測方法、系統、電子設備及存儲介質獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN116805182B 。

龍圖騰網通過國家知識產權局官網在2025-05-13發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202310849641.3，技術領域涉及：G06Q10/04；該發明授權工業增加值增速預測方法、系統、電子設備及存儲介質是由馬瑞;朱東歌;夏緒衛;丁茂生;沙江波;劉佳;康文妮;張爽;李興華;閆振華;張慶平;高博;王峰;李曉龍;蔡建輝設計研發完成，并于2023-07-11向國家知識產權局提交的專利申請。

本工業增加值增速預測方法、系統、電子設備及存儲介質在說明書摘要公布了：本發明提供一種工業增加值增速預測方法、系統、電子設備和存儲介質，屬于工業增加值增速預測技術領域。包括：獲取樣本數據，所述樣本數據包括年度參數數據和年度工業增加值，所述年度參數數據包括年度經濟數據和年度電力數據；預處理各個所述樣本數據，輸入至樣本集；根據所述樣本集，基于Stacking算法，結合線性回歸算法、決策樹算法、支持向量機、k近鄰算法、隨機森林算法、AdaBoost算法、梯度回歸算法和時間序列分析算法進行工業增加值增速預測建模，得出預測模型；利用所述預測模型進行工業增加值增速預測；使用波動性和準確度評估所述預測模型。

本發明授權工業增加值增速預測方法、系統、電子設備及存儲介質在權利要求書中公布了：1.一種工業增加值增速預測方法，其特征在于，包括：步驟S1，獲取樣本數據，所述樣本數據包括年度參數數據和年度工業增加值，所述年度參數數據包括年度經濟數據和年度電力數據；步驟S2，預處理各個所述樣本數據，輸入至樣本集；步驟S3，根據所述樣本集，基于Stacking算法，結合線性回歸算法、決策樹算法、支持向量機、k近鄰算法、隨機森林算法、AdaBoost算法、梯度回歸算法和時間序列分析算法進行工業增加值增速預測建模，得出預測模型；步驟S4，利用所述預測模型進行工業增加值增速預測；步驟S5，使用波動性和準確度評估所述預測模型；所述樣本數據記為xi,yi，其中，xi為所述年度參數數據，yi為所述年度工業增加值，i為年份，特征向量xi＝[xiA,xiB,...,xiG]，xiA,xiB,...,xiG分別為年度電力數據A、年度居民收入及消費數據B、年度社會經濟數據C、年度工業開發區基本信息D、年度工業產值E、年度工業產品價格指數F、年度工業原材料均價G；所述預測模型包括初級學習模型和次級學習模型，所述步驟S3包括：步驟S31，將所述樣本集劃分為訓練集和測試集，其中，所述測試集為本年度的樣本數據，所述訓練集為其他年度的樣本數據；步驟S32，建立初級學習模型SX，并將各個所述初級學習模型的輸出作為所述次級學習模型的輸入，所述初級學習模型包括線性回歸算法模型S1、決策樹算法模型S2、支持向量機模型S3、k近鄰算法模型S4、隨機森林算法模型S5、AdaBoost算法模型S6、梯度回歸算法模型S7和時間序列分析算法模型S8，每個所述初級學習模型通過所述訓練集進行訓練、并且使用所述測試集進行測試；步驟S33，建立所述次級學習模型，所述次級學習模型用于通過R2方法和遺傳算法為所述初級學習模型的輸出結果分配權重配置、以及設定所述次級學習模型的輸出結果，所述次級學習模型的輸出結果即為所述預測模型的輸出結果；所述步驟S33包括：步驟S331，以RX最小為目標，用遺傳算法求解出合適的個體，遺傳算法的目標函數fx為：fx＝minR1+R2...+R8 其中，RX是所述初級學習模型SX輸出結果的修正系數，x∈[1,8]，n是所述訓練集中元素xi數目，R2是線性回歸決定系數，p為變量的數目，為通過初級學習模型SX計算訓練集中特征向量xi所得的年度工業增加值預測值，為基于訓練集、經初級學習模型SX計算所得所有的均值；步驟S332，根據遺傳算法得出的fx中的RX計算出各個所述初級學習模型SX的最大權重值QX： 步驟S333，所述次級學習模型的輸出結果fy定義為： 所述步驟S331的計算過程包括：步驟S331a，種群初始化，讀入原始數據，將xi,yi和各所述初級學習模型SX輸出的工業增加值預測值化為遺傳種群P，遺傳種群P中設置多條未進化染色體ji，ji由所述初級學習模型SX輸出的工業增加值預測值和一組實際值xi,yi組成，設置種群規模N、最大遺傳代數Nmax和變異率a；步驟S331b，計算基因適應度，以所使用算法的RX之和最小為目標函數，適應度函數Zx為目標函數的倒數： 其中： 步驟S331c，遺傳選擇，對各所述未進化染色體ji進行計算，將結果帶入所述適應度函數Zx，得到對應的適應度值；循環n次，得到n個所述適應度值，將得到的n個所述適應度值從大到小排序，用最前面的13代替最后面的13，重新形成n個子代染色體；由此，遍歷遺傳種群P中的任意兩條染色體中的任意兩個基因進行基因交叉獲得進化后的子代染色體，由子代染色體構成子代遺傳種群P＇；重復遺傳選擇過程，直至子代遺傳種群P＇中的子代染色體數量與所述子代遺傳種群P＇中的未進化染色體的數量相同；步驟S331d，停止進化，當所述子代遺傳種群P＇中出現子代染色體適應度大于等于重組的子代染色體或高適應度染色體、或者當前進化次數達到所述最大遺傳代數Nmax時，停止優化，此時，fx達到最小，根據最小的fx計算出各個所述初級學習模型SX的所述最大權重值QX。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人國網寧夏電力有限公司電力科學研究院，其通訊地址為：750000 寧夏回族自治區銀川市金鳳區黃河東路716號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。