CN104316754A - 雷电计数器远程监测预警系统和方法 - Google Patents

Abstract

本发明公开了一种雷电计数器远程监测预警系统和方法，包括：计数器机械传动机构、红外光电传感器、微处理器单元、通信组件、供电电源；所述计数器机械传动机构连接红外光电传感器、所述红外光电传感器信号输出端连接微处理器单元信号输入端，所述微处理器单元信号输出端连接通信组件，所述供电电源高电压输出端分别连接微处理器单元电源输入端和通信组件电源输入端，所述供电电源低电压输出端连接红外光电传感器电源输入端，所述微处理器单元存储接收的雷电数量信息，将雷电数量信息通过GSM网络发送至监测终端。监测终端包括手机和监测主机。监测主机对接受的雷电数量信息进行处理，对未来雷电数量进行预测。

Description

雷电计数器远程监测预警系统和方法

技术领域

本发明涉及电气工程领域，尤其涉及一种雷电计数器远程监测预警系统和方法。

背景技术

雷击对是输电线路安全稳定运行的重要威胁，对输电线路遭受雷击情况进行统计对分析输电线路状态有重要的参考意义。目前大部分输电线路仍然采用机械计数器进行雷击计数，比较典型的型号为JS-8型。机械式雷电计数器的工作原理是在输电线路发生雷击时，雷电流线圈磁化计数器内的铁芯，从而吸动小磁片一次，小磁片通过机械传动驱动表盘指针计数一次。检修人员通常需要定期去现场进行抄表统计雷击次数，因雷电计数器分布较广，常处于荒郊野外，且位于杆塔之上，抄表非常不方便，定期抄表需要消耗大量的人力和财力，迫切需要实现对雷电计数器实现远程可靠监测，节约巡检的人力和物力资源成本，及时判断雷击对线路和电气设备的影响。

发明内容

本发明旨在至少解决现有技术中存在的技术问题，特别创新地提出了一种雷电计数器远程监测预警系统和方法。

为了实现本发明的上述目的，本发明提供了一种雷电计数器远程监测预警系统，其特征在于，包括：计数器机械传动机构、红外光传感器、微处理器单元、通信组件、供电电源；

所述计数器机械传动机构连接红外光电传感器、所述红外光电传感器信号输出端连接微处理器单元信号输入端，所述微处理器单元信号输出端连接通信组件，所述供电电源高电压输出端分别连接微处理器单元电源输入端和通信组件电源输入端，所述供电电源低电压输出端连接红外光电传感器电源输入端，

所述计数器机械传动机构内部设置雷电流采集电路对雷电进行采集，所述雷电流采集电路连接铁芯绕组，所述铁芯绕组一端放置磁片，在雷击发生时采集雷电流并磁化铁芯绕组，使磁片与铁芯绕组吸和，带动内部传动机构运动，所述内部传动机构带动计数表盘进行计数累加，所述磁片还连接遮光片，所述遮光片放置在红外光电传感器的光耦槽外，使对射光路导通，雷击发生时遮光片运动至光耦槽内，使对射光路截止，将光路导通或截止状态通过电路传输到微处理器单元，所述微处理器单元存储接收的雷电数量信息，将雷电数量信息通过运营商通信网络发送至监测终端。

所述的雷电计数器远程监测预警系统，优选的，所述红外光电传感器包括：光耦和比较电路，所述比较电路包括，第一电阻、第二电阻、第三电阻、第四电阻、第一电容、差动比较器；

所述光耦放置在遮光片和比较电路之间，所述第一电阻一端连接光耦正极，所述第二电阻一端也连接光耦正极，所述第一电阻另一端和第二电阻另一端和电源连接，所述第二电阻一端还连接差动比较器正相输入端，所述第三电阻一端连接第二电阻另一端，所述第三电阻为滑动变阻器，所述第三电阻中间端连接与差动比较器反相输入端连接，所述差动比较器输出端分别连接第四电阻一端和第一电容一端，所述第四电阻另一端接电源，所述第一电容另一端接地。

所述的雷电计数器远程监测预警系统，优选的，还包括：稳压电路和电压监测电路；

所述供电电源输出端连接稳压电源输入端，所述稳压电源5V输出端分别连接微处理器单元电源输入端和通信组件电源输入端，所述稳压电源3.3V输出端连接红外光电传感器电源输入端，所述供电电源输出端还连接电压监测电路电源输入端，所述电压监测电路输出端连接微处理器单元信号输入端，用于监测供电电源电压。

所述的雷电计数器远程监测预警系统，优选的，所述电压监测电路包括：第五电阻、第六电阻、监测集成电路；

所述第五电阻一端和第六电阻一端连接，所述第五电阻另一端连接所述供电电源正极和监测集成电路电源端正极，所述第六电阻另一端分别连接所述供电电源负极、监测集成电路电源端负极和接地，所述第五电阻另一端还连接监测集成电路电压输入端，所述第五电阻一端还连接监测集成电路电压输入端。

所述的雷电计数器远程监测预警系统，优选的，所述通信组件包括：通信模块和运营商通信网络；

所述微处理器单元设置通信模块，所述通信模块连接所述运营商通信网络。

本发明还公开一种雷电计数器远程监测预警方法，其关键在于，包括如下步骤：

步骤1，当计数器机械传动机构对雷击进行计数后，通过红外光电传感器将雷击次数进行记录，并将数据通过通信网络将数据传输至通信终端，形成雷击历史数据库，对雷击历史数据预处理；

步骤2，将雷击历史数据预处理后，通过神经网络算法10计算预测未来某段时间内某段输电线路遭受雷击次数，神经网络采用自适应前馈BP神经网络，通过对处理后的历史数据进行训练对未来进行雷击预测。

所述雷电计数器远程监测预警方法，优选的，所述步骤1包括：

步骤1-1，对原始数据分段处理，进行分段处理使数据具有规律性，削弱雷击数据离散性，保证预测精度，对每条输电线路依次编号为1至N，所述N为正整数，若需要对第Y年的某段时间T内的每条输电线路遭受雷击次数X_i(Y)进行预测，则需要对前P年各年，即第Y-P年，第Y-P-1年，…，第Y-1年，所述Y大于P，所述同段时间T内每条输电线路分别遭受雷击的次数X_i(Y-P)、X_i(Y-P-1)、…、X_i(Y-1)进行分别计算，所述下标i＝1、2…、N，当每条输电线路跨度较长时，进一步将每条输电线路再进行等距离划分。

所述雷电计数器远程监测预警方法，优选的，所述步骤1还包括：

步骤1-2，对原始数据分区处理，在相同时间内，由于输电线路遭受雷击次数不同，设定阈值A、B，所述A、B为正整数，假设在某段时间内某条线路遭受雷击次数X_i＞A，则认为线路雷击高发，即则需要雷击前提前做好防雷措施，此时取X_i＝3；在某段时间内B≤X_i≤A，则认为该线路需进行雷击巡检，即需要在雷击后对线路进行巡检，此时取X_i＝2；在某段时间内X_i＜B时，则认为该线路安全，则无需采取相应措施，此时取X_i＝1。经过数据分区处理后，各数据对应取3、2、1三个数值中的一个，弱化各区间内部原始数据之间的存在的较大差异，抑制原始数据强离散性。

所述雷电计数器远程监测预警方法，优选的，所述步骤2包括：

步骤2-1，神经网络采用BP前馈网络，包括输入层101、隐藏层102及输出层103，所述输入层101和输出层103神经元个数与线路条数相同，输入层101和输出层103神经元个数与线路条数相同，取N个，隐藏层102神经元个数需根据实际训练效果进行选择，通常取所述1≤C≤10，所述监测主机单元利用Matlab自带神经网络工具箱构建BP神经网络，网络的激活函数取logistic函数，设定迭代终止阈值ε，直接调用存档的预处理后的历史数据，并分别作为学生样本和教师样本，带入神经网络进行训练，网络收敛后，将第Y-1年数据输入训练好后的神经网络，即可得出第Y年预测数据。

综上所述，由于采用了上述技术方案，本发明的有益效果是：

光电传感器与机械式雷电计数器之间实现了电气隔离，保证了整个监测系统的安全性与准确性，同时也减少了对机械式雷电计数器本身的影响。红外光电传感器反应速度快，能捕捉机械式计数器的每一次动作，实现了对雷击次数的实时监测。利用GSM通信模块发送计数信息，实现了对雷击次数的远程监测，减少检修部门的人力物力投入，产生良好的经济效应。远程监测主机可自动存储计数值，并绘制历史曲线，为今后分析提供了数据资源；监测主机可通过历史数据和相关算法对未来一段时间内的线路雷击情况进行预测，绘制预测曲线，为故障预测、计划检修提供了条件。通过电压监测电路实时监测电池电压，在电池电量耗尽时提醒工作人员予以更换，保证监测系统正常工作。

本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：

图1是本发明雷电计数器远程监测预警系统示意图；

图2是本发明雷电计数器远程监测预警系统计数器机械传动机构示意图；

图3是本发明雷电计数器远程监测预警系统红外光电传感器示意图；

图4是本发明雷电计数器远程监测预警系统稳压电路示意图；

图5是本发明雷电计数器远程监测预警系统电压监测电路示意图；

图6是本发明雷电计数器远程监测预警方法流程图；

图7是本发明雷电计数器远程监测预警方法具体实施例示意图；

图8是本发明雷电计数器远程监测预警方法具体实施例示意图。

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。

在本发明的描述中，需要理解的是，术语“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。

在本发明的描述中，除非另有规定和限定，需要说明的是，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是机械连接或电连接，也可以是两个元件内部的连通，可以是直接相连，也可以通过中间媒介间接相连，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。

如图1所示，该雷电计数器远程监测系统由计数器机械传动机构1、红外光电传感器2、微处理单元3、GSM通信模块4、通信终端5、锂电池组6、稳压电路7、电压监测电路8组成。计数器机械传动机构1通过遮光片作用于红外光电传感器2；红外光电传感器2的输出与微处理单元3连接；微处理器单元3通过串口与GSM通信模块4连接，GSM通信模块4通过GSM网络将相关信息发往通信终端5；锂电池组6配合稳压模块7分别为1-4提供匹配的直流电源，其中向GSM通信模块和微处理器单元提供5V直流电压，向红外光电传感器提供3.3V直流电压；电压监测电路8输入端和输出端分别连接锂电池组6与微处理单元3，以监测电池状态。

机械传动机构由JS-8型机械式雷电计数器11和遮光片12组成，如图2所示。机械式雷电计数器11在雷击发生时会采集到雷电流并磁化内部铁芯，使其与内部小磁片吸和，小磁片除通过传动机构使计数表盘转动一次，还使与之直接相连的遮光片12作一次直线往返运动。遮光片12采用超轻不透光塑料薄片，不会对机械式雷电计数器本身计数产生任何影响。

红外光电传感器由槽型光耦21和比较电路22组成，如图3所示。槽型光耦21为H206型，槽宽为6mm。平时遮光片12位于槽型光耦21槽外，其内部光耦二极管处于导通状态，比较电路22输出低电平；当雷击发生导致遮光片12运动至槽型光耦21槽内，挡住对射光路，其内部光耦二极管处于截止状态，比较电路22输出高电平。通过微处理单元3采集红外光电传感器2输出信号即可实现计数。

微处理器单元3利用自身的采样功能对脉冲信号进行采样，具有12bit采样精度以及100k/s的采样速度。采样后，微处理器单元3将采样值转换为计数值，将采样得到的脉冲个数以十进制进行计数。微处理器单元3还存储有GSM通信模块4的控制程序，通过串口可以控制GSM模块实现定时发送信息、计数值增加一次时发送信息、受监测终端请求时发送信息等多种模式；如果雷击频繁发生导致系统计数值迅速增加，则立即发送报警信息。同时，微处理器单元3还通过电压监测电路8检测电池状态，检测到低电平时向监测终端发出电池更换提示信息。通过对各监测点进行编号，并利用微处理器单元3自带计时功能，每条短信息还包括监测点位置和信息发送时间，以便检修人员准确定位，及时采取针对性措施。

通过监测终端5中的远程监测主机利用GSM网络接收微处理器单元3传送的雷击计数值。远程监测主机中装载有以Labview为平台编写的监测软件。运行过程中，监测软件将收到的计数数据以Excel表格的形式进行储存，并绘制历史曲线，方便查询和参考。远程监测主机还通过雷电数量信息的处理和MATLAB程序，对未来雷击次数进行预测。

稳压电路7由升压电路71和降压电路72组成，如图4所示。锂电池组6采用多节大容量锂电池并联，其安全工作电压通常在3.7-4.2V范围内，需通过降压电路71降至3.3V电压为红外光电传感器1供电，需通过升压电路72升至5V为微处理单元3和GSM通信模块4供电。升压电路71以PT1301型DC-DC稳压芯片为核心，可输出较大功率；降压电路以HT7333型线性稳压芯片为核心，能保证较高的电压精度。

电压监测电路8以极低功耗电池监测集成电路AX301为核心构成，用于监测锂电池组端电压，如图5所示。AX301直接使用锂电池组供电，利用外接电阻设置电池低阈值电压为3.3V。当电池电压低于3.3V时，LBO输出低电平，电压典型值为0.3V；当电池电压高于3.3V时，LBO输出高电平，电压典型值为Vcc-0.3V。LBO端与微处理器单元3连接以检测电池状态。

雷击预测方法由历史数据预处理9、神经网络算法10构成，用于对未来某段时间内某段输电路遭受雷击次数进行预测。神经网络采用应用较广的自适应前馈(BP)神经网络，通过对处理后的历史数据进行训练对未来进行雷击预测。

其中数据预处理9包括原始数据分段处理91、分区处理92，如图6所示。原始数据分段处理91的具体实施方法为：一般来说，输电线路在某段时间内遭受雷击的次数与此段时间所处季节，月份密切相关，与输电线路所处地理位置也相关。雷雨天气在一年时间内的各个月、同一个月的不同线路(地点)发生的频率及次数有差异，因此需进行分段处理使数据更有规律性，削弱雷击数据离散性，保证预测精度。对各条输电线路依次编号为1至N，若需要对第Y年的某段时间T内的每条输电线路遭受雷击次数Xi(Y)进行预测，则需要对前P年各年(第Y-P年，第Y-P-1年，…，第Y-1年)同段时间T内各条线路分别遭受雷击的次数Xi(Y-P)、Xi(Y-P-1)、…、Xi(Y-1)进行分别统计(i＝1、2…、N)。如图7的91所示。由于实际中每条线路跨度较长，可根据实际需求，进一步将每条线路根据一定长度再进行等距离划分。

原始数据分区处理92的具体实施方法为：由于雷电活动随机性较强，原始数据在进行分段处理之后仍然会存在巨大差异，如果直接对分段处理后的数据通过神经网络训练后进行预测，则很难找出数据之间的规律，从而对未来雷击次数进行精确预测。因此，还需对分段处理后的数据进行分区处理：在相同时间内，由于输电线路遭受雷击次数不同，检修人员采取的预防措施也会有所区别。设定阈值A、B，假设在某段时间内线路遭受雷击次数Xi＞A，则认为线路落入雷击预防区，即则需要检修人员提前做好防雷措施，取表1中Xi＝3；在某段时间内B≤Xi≤A，则认为线路落入雷击巡检区，即需要在雷击后对线路进行巡检，取表1中Xi＝2；在某段时间内Xi＜B时，则认为线路落入安全区，则无需采取相应措施，取表1中Xi＝1。阈值A、B可根据检修人员经验和各地实际情况进行灵活调节，也可多设定几个阈值，对雷击分区更加细化。经过数据分区处理后，91表中各数据在1、2、3三个数据中取值。数据分区处理如92表所示。采用数据分区处理92一方面可以强化雷击次数本身所表示的雷电活动频繁程度的差异；另一方面，可以弱化各区间内部原始数据之间的存在的较大差异，抑制原始数据强离散性，克服了神经网络不适合对具有强离散性的数据进行预测的问题，且能满足工程要求，指导检修人员提前做好防雷措施。

如图8所示，利用神经网络算法10的方式进行雷击预测。神经网络采用BP前馈网络，由输入层101、隐藏层102及输出层103。输入层101和输出层103神经元个数与线路条数相同，取N个，隐藏层102神经元个数需根据实际训练效果进行选择，根据经验一般取(1≤C≤10)，远程监测主机利用Matlab自带神经网络工具箱构建BP神经网络，网络的激活函数取logistic函数，设定迭代终止阈值ε，直接调用以Excel方式存档的预处理后的历史数据，并分别作为学生样本(前一年数据)和教师样本(后一年数据)，带入神经网络进行训练，网络收敛后，将第Y-1年数据输入训练好后的神经网络，即可得出第Y年预测数据(取值分别为1、2、3)，对应图7的92，可为检修人员提供参考。因应用Matlab进行神经网络构建及运算已非常成熟，在此不再赘述。

本发明雷电计数器远程监测系统，可以实现远程监测各线路遭受雷击次数情况，并具备计数值保存、历史和趋势曲线绘制、雷击预测、计数值短信发送及报警短信发送、电池更换提示信息发送等功能。本系统将对各线路遭受雷击情况实时准确的告知检修部门，以便及时采取针对性措施，减小了定期巡检所需的人力物力投入，产生了良好的经济效益。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

尽管已经示出和描述了本发明的实施例，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同物限定。

Claims (9)

1.一种雷电计数器远程监测预警系统，其特征在于，包括：计数器机械传动机构、红外光传感器、微处理器单元、通信组件、供电电源；

所述计数器机械传动机构连接红外光电传感器、所述红外光电传感器信号输出端连接微处理器单元信号输入端，所述微处理器单元信号输出端连接通信组件，所述供电电源高电压输出端分别连接微处理器单元电源输入端和通信组件电源输入端，所述供电电源低电压输出端连接红外光电传感器电源输入端，

所述计数器机械传动机构内部设置雷电流采集电路对雷电进行采集，所述雷电流采集电路连接铁芯绕组，所述铁芯绕组一端放置磁片，在雷击发生时采集雷电流并磁化铁芯绕组，使磁片与铁芯绕组吸和，带动内部传动机构运动，所述内部传动机构带动计数表盘进行计数累加，所述磁片还连接遮光片，所述遮光片放置在红外光电传感器的光耦槽外，使对射光路导通，雷击发生时遮光片运动至光耦槽内，使对射光路截止，将光路导通或截止状态通过电路传输到微处理器单元，所述微处理器单元存储接收的雷电数量信息，将雷电数量信息通过运营商通信网络发送至监测终端。

2.根据权利要求1所述的雷电计数器远程监测预警系统，其特征在于，所述红外光电传感器包括：光耦和比较电路，所述比较电路包括，第一电阻、第二电阻、第三电阻、第四电阻、第一电容、差动比较器；

所述光耦放置在遮光片和比较电路之间，所述第一电阻一端连接光耦正极，所述第二电阻一端也连接光耦正极，所述第一电阻另一端和第二电阻另一端和电源连接，所述第二电阻一端还连接差动比较器正相输入端，所述第三电阻一端连接第二电阻另一端，所述第三电阻为滑动变阻器，所述第三电阻中间端连接与差动比较器反相输入端连接，所述差动比较器输出端分别连接第四电阻一端和第一电容一端，所述第四电阻另一端接电源，所述第一电容另一端接地。

3.根据权利要求1所述的雷电计数器远程监测预警系统，其特征在于，还包括：稳压电路和电压监测电路；

所述供电电源输出端连接稳压电源输入端，所述稳压电源5V输出端分别连接微处理器单元电源输入端和通信组件电源输入端，所述稳压电源3.3V输出端连接红外光电传感器电源输入端，所述供电电源输出端还连接电压监测电路电源输入端，所述电压监测电路输出端连接微处理器单元信号输入端，用于监测供电电源电压。

4.根据权利要求3所述的雷电计数器远程监测预警系统，其特征在于，所述电压监测电路包括：第五电阻、第六电阻、监测集成电路；

所述第五电阻一端和第六电阻一端连接，所述第五电阻另一端连接所述供电电源正极和监测集成电路电源端正极，所述第六电阻另一端分别连接所述供电电源负极、监测集成电路电源端负极和接地，所述第五电阻另一端还连接监测集成电路电压输入端，所述第五电阻一端还连接监测集成电路电压输入端。

5.根据权利要求1所述的雷电计数器远程监测预警系统，其特征在于，所述通信组件包括：通信模块和运营商通信网络；

所述微处理器单元设置通信模块，所述通信模块连接所述运营商通信网络。

6.一种雷电计数器远程监测预警方法，其特征在于，包括如下步骤：

步骤1，当计数器机械传动机构对雷击进行计数后，通过红外光电传感器将雷击次数进行记录，并将数据通过通信网络将数据传输至通信终端，形成雷击历史数据库，对雷击历史数据预处理；

步骤2，将雷击历史数据预处理后，通过神经网络算法10计算预测未来某段时间内某段输电线路遭受雷击次数，神经网络采用自适应前馈BP神经网络，通过对处理后的历史数据进行训练对未来进行雷击预测。

7.根据权利要求6所述雷电计数器远程监测预警方法，其特征在于，所述步骤1包括：

步骤1-1，对原始数据分段处理，进行分段处理使数据具有规律性，削弱雷击数据离散性，保证预测精度，对每条输电线路依次编号为1至N，所述N为正整数，若需要对第Y年的某段时间T内的每条输电线路遭受雷击次数X_i(Y)进行预测，则需要对前P年各年，即第Y-P年，第Y-P-1年，…，第Y-1年，所述Y大于P，所述同段时间T内每条输电线路分别遭受雷击的次数X_i(Y-P)、X_i(Y-P-1)、…、X_i(Y-1)进行分别计算，所述下标i＝1、2…、N，当每条输电线路跨度较长时，进一步将每条输电线路再进行等距离划分。

8.根据权利要求7所述雷电计数器远程监测预警方法，其特征在于，所述步骤1还包括：

步骤1-2，对原始数据分区处理，在相同时间内，由于输电线路遭受雷击次数不同，设定阈值A、B，所述A、B为正整数，假设在某段时间内某条线路遭受雷击次数X_i＞A，则认为线路雷击高发，即则需要雷击前提前做好防雷措施，此时取X_i＝3；在某段时间内B≤X_i≤A，则认为该线路需进行雷击巡检，即需要在雷击后对线路进行巡检，此时取X_i＝2；在某段时间内X_i＜B时，则认为该线路安全，则无需采取相应措施，此时取X_i＝1。经过数据分区处理后，各数据对应取3、2、1三个数值中的一个，弱化各区间内部原始数据之间的存在的较大差异，抑制原始数据强离散性。

9.根据权利要求6所述雷电计数器远程监测预警方法，其特征在于，所述步骤2包括：

步骤2-1，神经网络采用BP前馈网络，包括输入层101、隐藏层102及输出层103，所述输入层101和输出层103神经元个数与线路条数相同，输入层101和输出层103神经元个数与线路条数相同，取N个，隐藏层102神经元个数需根据实际训练效果进行选择，通常取所述1≤C≤10，所述监测主机单元利用Matlab自带神经网络工具箱构建BP神经网络，网络的激活函数取logistic函数，设定迭代终止阈值ε，直接调用存档的预处理后的历史数据，并分别作为学生样本和教师样本，带入神经网络进行训练，网络收敛后，将第Y-1年数据输入训练好后的神经网络，即可得出第Y年预测数据。