CN115880021A - 计量设备需求数据预测方法、电子设备及可读存储介质 - Google Patents
计量设备需求数据预测方法、电子设备及可读存储介质 Download PDFInfo
- Publication number
- CN115880021A CN115880021A CN202211519997.2A CN202211519997A CN115880021A CN 115880021 A CN115880021 A CN 115880021A CN 202211519997 A CN202211519997 A CN 202211519997A CN 115880021 A CN115880021 A CN 115880021A
- Authority
- CN
- China
- Prior art keywords
- data
- demand data
- metering
- model
- metering equipment
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本公开提供一种计量设备需求数据预测方法、电子设备及计算机可读存储介质,涉及数据分析技术领域,该方法包括:获取计量设备的历史监测数据,并根据历史监测数据确定目标预测模型;验证目标预测模型的预测效果;在预测效果验证通过的情况下,对历史监测数据采用目标预测模型进行预测,得到计量设备在未来预设时间内对应的第一参考需求数据;对第一参考需求数据进行修正,得到计量设备在未来预设时间内对应的第二参考需求数据。本公开不仅提高了数据预测的准确性,有利于为未来时间内计量设备的采购和配送提供更加准确的数据参考。
Description
技术领域
本公开涉及数据分析技术领域,尤其涉及一种计量设备需求数据预测方法、电子设备及计算机可读存储介质。
背景技术
随着计量设备公司计量体系建设的不断完善,计量设备公司实现了计量设备(例如电能表、采集终端)的集中检定和统一配送,计量设备的需求波动直接影响采购计划、配送计划等合理制定。目前省(市)公司主要通过线下汇总所辖地市公司提报的年度需求,同时结合各单位库存情况、历年装拆数量、到期轮换数量等关联因素,基于人工的管理经验预测未来时间内计量设备的月度和/或年度采购需求以及配送需求,预测数据的准确度难以得到保障。
需要说明的是,在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解,因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
本公开的目的在于提供一种计量设备需求数据预测方法、电子设备及计算机可读存储介质,能够解决基于人工的管理经验预测未来时间内计量设备的月度和/或年度采购需求以及配送需求,预测数据的准确度难以得到保障的技术问题。
本公开的其他特性和优点将通过下面的详细描述变得显然,或部分地通过本公开的实践而习得。
根据本公开的一个方面,提供一种计量设备需求数据预测方法,该方法包括:
获取计量设备的历史监测数据,并根据上述历史监测数据确定目标预测模型;
验证上述目标预测模型的预测效果;
在上述预测效果验证通过的情况下,对上述历史监测数据采用上述目标预测模型进行预测,得到上述计量设备在未来预设时间内对应的第一参考需求数据;
对上述第一参考需求数据进行修正,得到上述计量设备在未来预设时间内对应的第二参考需求数据。
可选地,上述根据上述历史监测数据确定目标预测模型的步骤包括:据上述历史监测数据确定上述计量设备的使用类型;从预设模型集合中确定上述使用类型匹配的目标预测模型。
可选地,上述根据上述历史监测数据确定上述计量设备的使用类型的步骤,包括:对上述历史监测数据进行清洗,得到待处理数据;根据上述待处理数据确定上述计量设备的使用类型。
可选地,上述从预设模型集合中确定上述使用类型匹配的目标预测模型的步骤,包括:在上述使用类型包括第一类型的情况下,从上述预设模型集合中选取长短期记忆时间序列模型作为上述目标预测模型;在上述使用类型包括第二类型的情况下,从上述预设模型集合中选取灰色模型作为上述目标预测模型;在上述使用类型包括上述第一类型和上述第二类型的情况下,从上述预设模型集合中选取上述长短期记忆时间序列模型和上述灰色模型作为上述目标预测模型;其中,上述第一类型的计量设备的使用数量大于第二类型的计量设备的使用数量。
可选地,上述验证上述目标预测模型的预测效果的步骤,包括:获取上述目标预测模型的测试数据和上述计量设备的实际安装数据;对上述测试数据采用上述目标预测模型进行预测,得到预测安装数据;确定上述预测安装数据与上述实际安装数据之间的数据误差,并将上述数据误差作为上述预测效果;判断上述预测效果是否小于预设误差值。
可选地,上述对上述第一参考需求数据进行修正,得到上述计量设备在未来预设时间内对应的第二参考需求数据的步骤,包括:显示上述第一参考需求数据对应的修正提示弹窗,上述修正提示弹窗包括确定修正选项和取消修正选项;在接收到上述确定修正选项的点击指令的情况下,获取上述历史监测数据的历史平均数据和历史最大数据;
根据上述历史平均数据和上述历史最大数据构建数据区间;
将上述第一参考需求数据调整至上述数据区间内,得到上述第二参考需求数据。
可选地,上述对上述第一参考需求数据进行修正,得到上述计量设备在未来预设时间内对应的第二参考需求数据的步骤之后,上述计量设备需求数据预测方法还包括:根据上述第二参考需求数据确定第一管理单位下上述计量设备的推荐采购数据,并根据上述推荐采购数据生成上述计量设备的推荐采购计划;以及,根据上述第二参考需求数据确定第二级别管理单位下上述计量设备的推荐订单数据,以供上述第二管理单位根据上述推荐订单数据向上述第一管理单位提交订单申请;其中,上述第一管理单位的级别高于上述第二管理单位的级别。
可选地,上述对上述第一参考需求数据进行修正,得到上述计量设备在未来预设时间内对应的第二参考需求数据的步骤之后,上述计量设备需求数据预测方法还包括:根据上述第二参考需求数据确定第一管理单位下上述计量设备的推荐检定数据,以供上述第一管理单位根据上述推荐检定数据制定上述计量设备的检定计划。
根据本公开的另一个方面,提供一种计量设备需求数据预测装置,上述计量设备需求数据预测装置包括:
模型获取模块,用于获取计量设备的历史监测数据,并根据所述历史监测数据确定目标预测模型;
模型验证模块,用于验证所述目标预测模型的预测效果;
数据预测模块,用于在所述预测效果验证通过的情况下,对所述历史监测数据采用所述目标预测模型进行预测,得到所述计量设备在未来预设时间内对应的第一参考需求数据;
数据修正模块,用于对所述第一参考需求数据进行修正,得到所述计量设备在未来预设时间内对应的第二参考需求数据。
根据本公开的再一个方面,提供一种电子设备,上述电子设备包括存储器、处理器以及存储在上述存储器中并可在上述处理器上运行的计算机程序,上述处理器执行上述计算机程序时实现如上述实施例中上述的计量设备需求数据预测方法。
根据本公开的又一个方面,提供一种计算机可读存储介质,其上存储有计算机程序,上述计算机程序被处理器执行时实现如上述实施例中上述的计量设备需求数据预测方法。
本公开的实施例所提供的计量设备需求数据预测方法、电子设备及计算机可读存储介质,具备以下技术效果:
本公开通过采用采用获取计量设备的历史监测数据,并根据历史监测数据确定目标预测模型,验证目标预测模型的预测效果,在预测效果验证通过的情况下,对历史监测数据采用目标预测模型进行预测,得到计量设备在未来预设时间内对应的第一参考需求数据,对第一参考需求数据进行修正,得到计量设备在未来预设时间内对应的第二参考需求数据的技术方案,通过使用预测模型对计量设备在未来预设时间内的需求数据进行预测,不仅提高了数据预测的准确性,还减少了人工的工作量以及大幅度提升了工作效率,有利于为未来时间内计量设备的采购和配送提供更加准确的数据参考。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。显而易见地,下面描述中的附图仅仅是本公开的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1示出了本公开一示例性实施例中计量设备需求数据预测方法的流程示意图;
图2示出了本公开计量设备需求数据预测方法中确定目标预测模型对应的一示例性的流程示意图;
图3示出了本公开计量设备需求数据预测方法中步骤S120对应的一示例性的流程示意图;
图4示出了本公开计量设备需求数据预测方法中步骤S140对应的一示例性的流程示意图;
图5示出了可以应用本公开一实施例的计量设备需求数据预测装置的结构示意图;
图6示出了本公开一示例性实施例中电子设备的结构示意图。
具体实施方式
为使本公开的目的、技术方案和优点更加清楚,下面将结合附图对本公开实施例方式作进一步地详细描述。
下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反,它们仅是如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
需要注意的是,上述附图仅是根据本公开示例性实施例的方法所包括的处理的示意性说明,而不是限制目的。易于理解,上述附图所示的处理并不表明或限制这些处理的时间顺序。另外,也易于理解,这些处理可以是例如在多个模块中同步或异步执行的。
以下为本公开提供的计量设备需求数据预测方法的实施例。其中,图1示出了本公开一示例性实施例中计量设备需求数据预测方法的流程示意图。如图1所示,本公开方法的一实施例提供的计量设备需求数据预测方法,包括以下方案:
步骤S110:获取计量设备的历史监测数据,并根据上述历史监测数据确定目标预测模型。
在一示例性实施例中,计量设备包括电能表、互感器、采集终端、通信模块等,历史监测数据包括计量设备以往的档案数据、安装数据、外部数据等,通过历史监测数据可以识别出不同业务类型的计量设备,业务类型包括业务扩展类型、零散新装类型、故障类型、煤改电分装类型、公网无线类型、光伏类型等,不同业务类型的计量设备对应有设备码描述以及管理单位(例如,计量中心、市/县公司)。
事先设置了预设模型集合,预设模型集合包括长短期记忆时间序列模型和灰色模型,长短期记忆时间序列模型也称LSTM(Long Short-Term Memory)时间序列预测模型,长短期记忆时间序列模型和灰色模型分别可以实现不同使用类型的计量设备在未来时间内的需求数据的预测。事先设置的预测模型具有多种,根据历史监测数据可以从预设模型集合中选择出合适的预测模型作为目标预测模型,从而完成相应使用类型的计量设备在未来时间内需求数据的预测。
步骤S120:验证上述目标预测模型的预测效果。
为了提高后续计量设备在未来时间内需求数据预测的准确性,在获取到目标预测模型之后,需要对目标预测模型的预测效果进行验证,从而判断目标预测模型数据预测的准确性,如果验证预测效果是满足预期的,则表示目标预测模型的预测效果通过,即目标预测模型的准确性较好,如果验证预测效果是不满足预期的,则表示目标预测模型的预测效果未通过,即目标预测模型的准确性较差,则需要重新对目标预测模型进行训练,直至目标预测模型的预测效果通过。
步骤S130:在上述预测效果验证通过的情况下,对上述历史监测数据采用上述目标预测模型进行预测,得到上述计量设备在未来预设时间内对应的第一参考需求数据。
如果目标预测模型的预测效果验证通过,则将历史监测数据作为输出数据输入到目标预测模型中,目标预测模型进行数据预测,输出计量设备在未来预设时间内对应的第一参考需求数据。其中,未来预设时间可以是未来1-12个月的时间,包括月度时间、季度时间和年度时间,第一参考需求数据包括设备类别、设备码、设备码描述、预测年月、需求预测数量以及管理单位名称,通过第一参考需求数据可以明确得到未来时间内各个管理单位需求的计量设备的趋势情况,如未来1-12个月,各个管理单位需求的计量设备具体是什么,数量是多少。通过使用预测模型对计量设备在未来预设时间内的需求数据进行预测,不仅提高了数据预测的准确性,还减少了人工的工作量以及大幅度提升了工作效率,有利于为未来时间内计量设备的采购和配送提供准确的数据参考。另外,为目标预测模型设置了数据源接口,通过数据源接口可以实现计量设备的预测数据的获取。
步骤S140:对上述第一参考需求数据进行修正,得到上述计量设备在未来预设时间内对应的第二参考需求数据。
考虑虽然目标预测模型的预测效果已经达到了期望,但还是具有一定的较小误差,在通过目标预测模型预测得到第一参考需求数据之后,按照预设的修正规则或通过人工对第一参考需求数据修正之后,得到计量设备在未来预设时间内对应的第二参考需求数据,从而提高预测的计量设备需求数据的准确性,为未来时间内计量设备的采购和配送提供更加准确的数据参考。其中,预设的修正规则是根据人工以往的经验设置的,第二参考需求数据包括设备类别、设备码、设备码描述、预测年月、需求预测数量以及管理单位名称,还包括修订时间、修正人、修正值,有利于实现痕迹化管理,方便后续对修正记录进行查询跟踪。
本实施例根据上述技术方案,由于采用获取计量设备的历史监测数据,并根据历史监测数据确定目标预测模型,验证目标预测模型的预测效果,在预测效果验证通过的情况下,对历史监测数据采用目标预测模型进行预测,得到计量设备在未来预设时间内对应的第一参考需求数据,对第一参考需求数据进行修正,得到计量设备在未来预设时间内对应的第二参考需求数据的技术方案,通过使用预测模型对计量设备在未来预设时间内的需求数据进行预测,不仅提高了数据预测的准确性,还减少了人工的工作量以及大幅度提升了工作效率,有利于为未来时间内计量设备的采购和配送提供更加准确的数据参考。
示例性的,图2示出了本公开计量设备需求数据预测方法中确定目标预测模型对应的一示例性的流程示意图。可选的,基于上述方法实施例,上述根据上述历史监测数据确定目标预测模型包括以下方案:
步骤S111:根据上述历史监测数据确定上述计量设备的使用类型;
步骤S112:从预设模型集合中确定上述使用类型匹配的目标预测模型。
在一示例性实施例中,预先设置了不同预测模型与计量设备的使用类型之间的关联关系,当计量设备的使用类型确定之后,对应的预测模型也就确定了,进而通过对应的预测模型对计量设备的需求数据进行预测。得到计量设备的历史监测数据之后,根据历史监测数据将计量设备划分为不同的业务类型,即业务类型包括业务扩展类型、零散新装类型、故障类型、煤改电分装类型、公网无线类型、光伏类型等。然后,按照使用类型对不同业务类型的计量设备进行分类,得到不同使用类型的计量设备,使用类型是通过计量设备的使用数量确定的。在确定出计量设备的使用类型之后,基于关联关系,从预设模型集合包括多个预测模型中选择出与使用类型关联的预测模型,即得到与使用类型匹配的目标预测模型,进而通过与使用类型匹配的目标预测模型对计量设备的需求数据进行预测,从而提高数据预测的准确性。
可选的,基于上述方法实施例,步骤S111包括以下方案:
对上述历史监测数据进行清洗,得到待处理数据;
根据上述待处理数据确定上述计量设备的使用类型。
在一示例性实施例中,获取到计量设备的历史监测数据之后,历史监测数据中可能会包括没有意义、重复以及错误的数据,通过对历史监测数据进行清洗可以将没有意义、重复的数据删除,以及将错误的数据进行纠正,从而得到待处理数据。通过对历史监测数据进行清洗得到的待处理数据是简洁、正确的,然后通过待处理数据确定计量设备的使用类型,不仅可以提高数据的处理效率,还提高了确定计量设备的使用类型的准确性。
可选的,基于上述方法实施例,步骤S112包括以下方案:
在上述使用类型包括第一类型的情况下,从上述预设模型集合中选取长短期记忆时间序列模型作为上述目标预测模型;
在上述使用类型包括第二类型的情况下,从上述预设模型集合中选取灰色模型作为上述目标预测模型;
在上述使用类型包括上述第一类型和上述第二类型的情况下,从上述预设模型集合中选取上述长短期记忆时间序列模型和上述灰色模型作为上述目标预测模型;
在一示例性实施例中,由于使用类型是通过计量设备的使用数量确定的,使用类型包括第一类型和/或第二类型,第一类型的计量设备的使用数量大于第二类型的计量设备的使用数量,即第一类型的计量设备表示为常用且使用数量大的计量设备,即第一类型称为量大常用类型,第二类型的计量设备表示为常用且使用数量小的计量设备,即第二类型称为量小常用类型。在上述关联关系中,第一类型关联的是长短期记忆时间序列模型,第二类型关联的是灰色模型。如果使用类型包括第一类型,则基于关联关系,从预设模型集合中选取长短期记忆时间序列模型作为目标预测模型;如果使用类型包括第二类型,则基于关联关系,从预设模型集合中选取灰色模型作为目标预测模型;如果使用类型包括第一类型和第二类型,则基于关联关系,从预设模型集合中选取长短期记忆时间序列模型和灰色模型作为目标预测模型,即目标预测模型具有两个。其中,通过长短期记忆时间序列模型针对性的对常用且使用数量小的计量设备的需求数据进行预测,通过灰色模型针对性的对常用且使用数量小的计量设备的需求数据进行预测,有利于提高不同使用类型的计量设备的需求数据预测的准确性。
示例性的,图3示出了本公开计量设备需求数据预测方法中步骤S120对应的一示例性的流程示意图。可选的,基于上述方法实施例,步骤S120包括以下方案:
步骤S121:获取上述目标预测模型的测试数据和上述计量设备的实际安装数据;
步骤S122:对上述测试数据采用上述目标预测模型进行预测,得到预测安装数据;
步骤S123:确定上述预测安装数据与上述实际安装数据之间的数据误差,并将上述数据误差作为上述预测效果;
步骤S124:判断上述预测效果是否小于预设误差值。
在一示例性实施例中,根据历史监测数据确定目标预测模型之后,该目标预测模型预测数据的预测效果是否准确是不确定的,需要对目标预测模型的预测效果验证之后决策是否使用其进行数据的预测。获取目标预测模型的测试数据和计量设备的实际安装数据,其中,测试数据用于得到预测安装数据,实际安装数据是实际安装数据的对比数据,获取到测试数据之后,将测试数据输入到目标预测模型进行数据预测,得到计量设备的预测安装数据,然后将预测安装数据与实际安装数据做差后去绝对值,得到二者之间的数据误差,通过数据误差表示目标预测模型的预测效果,然后判断预测效果是否小于预设误差值,如果预测效果小于预设误差值,表示目标预测模型的预测效果验证通过,否则,目标预测模型的预测效果验证不通过,需要重新对目标预测模型进行训练,调整目标预测模型的模型参数,直至目标预测模型的预测效果验证通过,有利于提高预测计量设备的需求数据的准确性。
示例性的,图4示出了本公开计量设备需求数据预测方法中步骤S140对应的一示例性的流程示意图。可选的,基于上述方法实施例,步骤S140包括以下方案:
步骤S141:显示上述第一参考需求数据对应的修正提示弹窗,上述修正提示弹窗包括确定修正选项和取消修正选项;
步骤S142:在接收到上述确定修正选项的点击指令的情况下,获取上述历史监测数据的历史平均数据和历史最大数据;
步骤S143:根据上述历史平均数据和上述历史最大数据构建数据区间;
步骤S144:将上述第一参考需求数据调整至上述数据区间内,得到上述第二参考需求数据。
在一示例性实施例中,对于第一参考需求数据的修正是由用户决的,即用户可以选择对第一参考需求数据进行修正,也可以不选择对第一参考需求数据的修正。通过目标预测模型预测得到第一参考需求数据之后,为显示出第一参考需求数据对应的修正提示弹窗,该修正提示弹窗中显示有提示用户是否对第一参考需求数据对应的修正的提示信息,修正提示弹窗还包括确定修正选项和取消修正选项,当用户选择了确定修正选项,则对第一参考需求数据进行修正,当用户选择了取消修正选项,则不对第一参考需求数据进行修正。当用户选择了确定修正选项,即用户点击了确定修正选项,接收到确定修正选项的点击指令的情况下,获取历史监测数据的历史平均数据和历史最大数据,然后以历史平均数据和历史最大数据构建数据区间,即历史平均数据为数据区间的最小值,历史最大数据为数据区间的最大值,然后调整第一参考需求数据,使得调整后的第一参考需求数据位于该数据区间内,从而实现第一参考需求数据的修正,即得到计量设备在未来预设时间内对应的第二参考需求数据。
可选的,基于上述方法实施例,步骤S140之后,上述计量设备需求数据预测方法还包括以下方案:
根据上述第二参考需求数据确定第一管理单位下上述计量设备的推荐采购数据,并根据上述推荐采购数据生成上述计量设备的推荐采购计划;以及,
根据上述第二参考需求数据确定第二级别管理单位下上述计量设备的推荐订单数据,以供上述第二管理单位根据上述推荐订单数据向上述第一管理单位提交订单申请。
在一示例性实施例中,第一管理单位的级别高于第二管理单位的级别,第一管理单位负责计量设备的采购,以及向第二管理单位派送该第二管理单位申请的计量设备,例如第一管理单位为计量中心,第二管理单位为市/县公司。
得到计量设备在未来预设时间内对应的第二参考需求数据之后,第一管理单位通过第二参考需求数据计算出其在未来预设时间(例如,年、半年、季度、月度)内计量设备的需求数量,通过该需求数量计算在未来预设时间内第一管理单位下计量设备的推荐采购数据,然后按照推荐采购数据生成第一管理单位在未来预设时间内计量设备的推荐采购计划,进而根据推荐采购计划对所需的计量设备进行采购,不仅能够为年度采购计划的确定提供支撑,还提升采购计划制定的合理性。其中,推荐采购数据推荐数包含计量设备的新装数量、工程用设备数量、轮换数量、故障数量、其他类的数量以及合计数量。对于第一级别管理单位下所需计量设备的推荐采购数据以及推荐采购计划的生成工作,无需人工参与,提高了工作效率,使得管理更加精益化。
此外,根据第二参考需求数据还用于计算第二级别管理单位在未来预设时间(例如,年、半年、季度、月度)内计量设备的需求数量,通过该需求数量计算计量设备的推荐订单数据,根据推荐订单数据,并结合第一级别管理单位的计量设备的库存情况(例如合格在库、合格在库超期、待校验、新购等信息)、第二级别管理单位已购计量设备的配送情况(例如招标批次、品规、采购数量、已申报数量、可申报数量、已配数量、未配数量等信息)生成,第二级别管理单位的计量设备的订单申请,第二级别管理单位向第一级别管理单位提交订单申请,第一级别管理单位对第二级别管理单位提交的订单申请审批通过之后,向第一级别管理单位配送推荐订单数据对应数量的计量设备。对于第二级别管理单位下所需计量设备的推荐订单数据的生成,以及向第一级别管理单位提交订单申请的工作,无需人工参与,提高了工作效率,使得管理更加精益化。
可选的,基于上述方法实施例,步骤S140之后,上述计量设备需求数据预测方法还包括以下方案:
根据上述第二参考需求数据确定第一管理单位下上述计量设备的推荐检定数据,以供上述第一管理单位根据上述推荐检定数据制定上述计量设备的检定计划。
在一示例性实施例中,得到计量设备在未来预设时间内对应的第二参考需求数据之后,通过第二参考需求数据计算第一管理单位下计量设备的推荐检定数据,推荐检定数据包括第一管理单位下计量设备的月度/季度/年度需检定数量、月度/季度/年度可检定数量,然后通过推荐检定数据制定计量设备的检定计划,通过检定计划展示出年月、设备码、计量设备的月度/季度/年度需检定数量、月度/季度/年度可检定数量以及合格库存溢度。其中,月度/季度/年度需检定数的计算方为:计量设备的合格库存、合格在库超期合计减去未来(根据现场要求配置)时间的预测数量;月度/季度/年度可检定数为计量中心待检定库存、合格库存的合计;合格库存溢度为月度/季度/年度需检定数减去月度/季度/年度可检定数。
下述为本公开装置实施例,可以用于执行本公开方法实施例。对于本公开装置实施例中未披露的细节,请参照本公开方法实施例。
其中,图5示出了可以应用本公开一实施例的计量设备需求数据预测装置的结构示意图。请参见图5,该图所示的计量设备需求数据预测装置可以通过软件、硬件或者两者的结合实现成为终端的全部或一部分,还可以作为独立的模块集成于终端中或服务器上。
本公开实施例中的计量设备需求数据预测装置500,上述计量设备需求数据预测装置500包括:
模型获取模块510,用于获取计量设备的历史监测数据,并根据上述历史监测数据确定目标预测模型;
模型验证模块520,用于验证上述目标预测模型的预测效果;
数据预测模块530,用于在上述预测效果验证通过的情况下,对上述历史监测数据采用上述目标预测模型进行预测,得到上述计量设备在未来预设时间内对应的第一参考需求数据;
数据修正模块540,用于对上述第一参考需求数据进行修正,得到上述计量设备在未来预设时间内对应的第二参考需求数据。
在示例性的实施例中,基于前述方案,上述模型获取模块510在根据上述历史监测数据确定目标预测模型方面,包括:
类型获取单元,用于根据上述历史监测数据确定上述计量设备的使用类型;
模型选取单元,用于从预设模型集合中确定上述使用类型匹配的目标预测模型。
在示例性的实施例中,基于前述方案,上述类型获取单元,包括:
数据清洗子单元,用于对上述历史监测数据进行清洗,得到待处理数据;
类型获取子单元,用于根据上述待处理数据确定上述计量设备的使用类型。
在示例性的实施例中,基于前述方案,上述模型选取单元单元,包括:
第一模型选取子单元,用于在上述使用类型包括第一类型的情况下,从上述预设模型集合中选取长短期记忆时间序列模型作为上述目标预测模型;
第二模型选取子单元,用于在上述使用类型包括第二类型的情况下,从上述预设模型集合中选取灰色模型作为上述目标预测模型;
第三模型选取子单元,用于在上述使用类型包括上述第一类型和上述第二类型的情况下,从上述预设模型集合中选取上述长短期记忆时间序列模型和上述灰色模型作为上述目标预测模型;
其中,上述第一类型的计量设备的使用数量大于第二类型的计量设备的使用数量。
在示例性的实施例中,基于前述方案,上述模型验证模块520,包括
测试数据获取单元,用于获取上述目标预测模型的测试数据和上述计量设备的实际安装数据;
模型训练单元,用于对上述测试数据采用上述目标预测模型进行预测,得到预测安装数据;
误差计算单元,用于确定上述预测安装数据与上述实际安装数据之间的数据误差,并将上述数据误差作为上述预测效果;
效果判断单元,用于判断上述预测效果是否小于预设误差值。
在示例性的实施例中,基于前述方案,上述数据修正模块540,包括:
提示单元,用于显示上述第一参考需求数据对应的修正提示弹窗,上述修正提示弹窗包括确定修正选项和取消修正选项;
历史数据计算单元,用于在接收到上述确定修正选项的点击指令的情况下,获取上述历史监测数据的历史平均数据和历史最大数据;
区间构建单元,用于根据上述历史平均数据和上述历史最大数据构建数据区间;
数据修正单元,用于将上述第一参考需求数据调整至上述数据区间内,得到上述第二参考需求数据。
在示例性的实施例中,基于前述方案,上述计量设备需求数据预测装置,还包括:
采购计划生成单元,用于根据上述第二参考需求数据确定第一管理单位下上述计量设备的推荐采购数据,并根据上述推荐采购数据生成上述计量设备的推荐采购计划;以及,
订单数据生成单元,用于根据上述第二参考需求数据确定第二级别管理单位下上述计量设备的推荐订单数据,以供上述第二管理单位根据上述推荐订单数据向上述第一管理单位提交订单申请;其中,上述第一管理单位的级别高于上述第二管理单位的级别。
在示例性的实施例中,基于前述方案,上述计量设备需求数据预测装置,还包括:
检定计划生成单元,用于根据上述第二参考需求数据确定第一管理单位下上述计量设备的推荐检定数据,以供上述第一管理单位根据上述推荐检定数据制定上述计量设备的检定计划。
需要说明的是,上述实施例提供的计量设备需求数据预测装置在执行计量设备需求数据预测方法时,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将设备的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。另外,上述实施例提供的计量设备需求数据预测装置与计量设备需求数据预测方法实施例属于同一构思,因此对于本公开装置实施例中未披露的细节,请参照本公开上述的计量设备需求数据预测方法的实施例,这里不再赘述。
上述本公开实施例序号仅仅为了描述,不代表实施例的优劣。
本公开实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现前述任一实施例方法的步骤。其中,计算机可读存储介质可以包括但不限于任何类型的盘,包括软盘、光盘、DVD、CD-ROM、微型驱动器以及磁光盘、ROM、RAM、EPROM、EEPROM、DRAM、VRAM、闪速存储器设备、磁卡或光卡、纳米系统(包括分子存储器IC),或适合于存储指令和/或数据的任何类型的媒介或设备。
本公开实施例还提供了一种电子设备,上述电子设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行程序时实现上述任一实施例方法的步骤。
图6示意性示出了电子设备的结构示意图。请参见图6所示,电子设备600包括有:处理器601和存储器602。
本公开实施例中,处理器601为计算机系统的控制中心,可以是实体机的处理器,也可以是虚拟机的处理器。处理器601可以包括一个或多个处理核心,比如4核心处理器、8核心处理器等。处理器601可以采用DSP(Digital Signal Processing,数字信号处理)、FPGA(Field-Programmable Gate Array,现场可编程门阵列)、PLA(Programmable LogicArray,可编程逻辑阵列)中的至少一种硬件形式来实现。处理器601也可以包括主处理器和协处理器,主处理器是用于对在唤醒状态下的数据进行处理的处理器,也称CPU(CentralProcessing Unit,中央处理器);协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。
在本公开实施例中,上述处理器601具体用于:
获取计量设备的历史监测数据,并根据上述历史监测数据确定目标预测模型;
验证上述目标预测模型的预测效果;
在上述预测效果验证通过的情况下,对上述历史监测数据采用上述目标预测模型进行预测,得到上述计量设备在未来预设时间内对应的第一参考需求数据;
对上述第一参考需求数据进行修正,得到上述计量设备在未来预设时间内对应的第二参考需求数据。
进一步地,上述处理器601还用于:根据上述历史监测数据确定上述计量设备的使用类型;从预设模型集合中确定上述使用类型匹配的目标预测模型。
进一步地,上述处理器601还用于:对上述历史监测数据进行清洗,得到待处理数据;根据上述待处理数据确定上述计量设备的使用类型。
进一步地,上述处理器601还用于:在上述使用类型包括第一类型的情况下,从上述预设模型集合中选取长短期记忆时间序列模型作为上述目标预测模型;在上述使用类型包括第二类型的情况下,从上述预设模型集合中选取灰色模型作为上述目标预测模型;在上述使用类型包括上述第一类型和上述第二类型的情况下,从上述预设模型集合中选取上述长短期记忆时间序列模型和上述灰色模型作为上述目标预测模型;其中,上述第一类型的计量设备的使用数量大于第二类型的计量设备的使用数量。
进一步地,上述处理器601还用于:获取上述目标预测模型的测试数据和上述计量设备的实际安装数据;对上述测试数据采用上述目标预测模型进行预测,得到预测安装数据;确定上述预测安装数据与上述实际安装数据之间的数据误差,并将上述数据误差作为上述预测效果;判断上述预测效果是否小于预设误差值。
进一步地,上述处理器601还用于:显示上述第一参考需求数据对应的修正提示弹窗,上述修正提示弹窗包括确定修正选项和取消修正选项;在接收到上述确定修正选项的点击指令的情况下,获取上述历史监测数据的历史平均数据和历史最大数据;根据上述历史平均数据和上述历史最大数据构建数据区间;将上述第一参考需求数据调整至上述数据区间内,得到上述第二参考需求数据。
进一步地,上述处理器601还用于:根据上述第二参考需求数据确定第一管理单位下上述计量设备的推荐采购数据,并根据上述推荐采购数据生成上述计量设备的推荐采购计划;以及,
根据上述第二参考需求数据确定第二级别管理单位下上述计量设备的推荐订单数据,以供上述第二管理单位根据上述推荐订单数据向上述第一管理单位提交订单申请;其中,上述第一管理单位的级别高于上述第二管理单位的级别。
进一步地,上述处理器601还用于:根据上述第二参考需求数据确定第一管理单位下上述计量设备的推荐检定数据,以供上述第一管理单位根据上述推荐检定数据制定上述计量设备的检定计划。
存储器602可以包括一个或多个计算机可读存储介质,该计算机可读存储介质可以是非暂态的。存储器602还可包括高速随机存取存储器,以及非易失性存储器,比如一个或多个磁盘存储设备、闪存存储设备。在本公开的一些实施例中,存储器602中的非暂态的计算机可读存储介质用于存储至少一个指令,该至少一个指令用于被处理器601所执行以实现本公开实施例中的方法。
一些实施例中,电子设备600还包括有:外围设备接口603和至少一个外围设备。处理器601、存储器602和外围设备接口603之间可以通过总线或信号线相连。各个外围设备可以通过总线、信号线或电路板与外围设备接口603相连。具体地,外围设备包括:显示屏604、摄像头605和音频电路606中的至少一种。
外围设备接口603可被用于将I/O(Input/Output,输入/输出)相关的至少一个外围设备连接到处理器601和存储器602。在本公开的一些实施例中,处理器601、存储器602和外围设备接口603被集成在同一芯片或电路板上;在本公开的一些其他实施例中,处理器601、存储器602和外围设备接口603中的任意一个或两个可以在单独的芯片或电路板上实现。本公开实施例对此不作具体限定。
显示屏604用于显示UI(User Interface,用户界面)。该UI可以包括图形、文本、图标、视频及其它们的任意组合。当显示屏604是触摸显示屏时,显示屏604还具有采集在显示屏604的表面或表面上方的触摸信号的能力。该触摸信号可以作为控制信号输入至处理器601进行处理。此时,显示屏604还可以用于提供虚拟按钮和/或虚拟键盘,也称软按钮和/或软键盘。在本公开的一些实施例中,显示屏604可以为一个,设置电子设备600的前面板;在本公开的另一些实施例中,显示屏604可以为至少两个,分别设置在电子设备600的不同表面或呈折叠设计;在本公开的再一些实施例中,显示屏604可以是柔性显示屏,设置在电子设备600的弯曲表面上或折叠面上。甚至,显示屏604还可以设置成非矩形的不规则图形,也即异形屏。显示屏604可以采用LCD(Liquid Crystal Display,液晶显示屏)、OLED(OrganicLight-Emitting Diode,有机发光二极管)等材质制备。
摄像头605用于采集图像或视频。可选地,摄像头605包括前置摄像头和后置摄像头。通常,前置摄像头设置在电子设备600的前面板,后置摄像头设置在电子设备600的背面。在一些实施例中,后置摄像头为至少两个,分别为主摄像头、景深摄像头、广角摄像头、长焦摄像头中的任意一种,以实现主摄像头和景深摄像头融合实现背景虚化功能、主摄像头和广角摄像头融合实现全景拍摄以及VR(Virtual Reality,虚拟现实)拍摄功能或者其它融合拍摄功能。在本公开的一些实施例中,摄像头605还可以包括闪光灯。闪光灯可以是单色温闪光灯,也可以是双色温闪光灯。双色温闪光灯是指暖光闪光灯和冷光闪光灯的组合,可以用于不同色温下的光线补偿。
音频电路606可以包括麦克风和扬声器。麦克风用于采集用户及环境的声波,并将声波转换为电信号输入至处理器601进行处理。出于立体声采集或降噪的目的,麦克风可以为多个,分别设置在电子设备600的不同部位。麦克风还可以是阵列麦克风或全向采集型麦克风。
电源607用于为电子设备600中的各个组件进行供电。电源607可以是交流电、直流电、一次性电池或可充电电池。当电源607包括可充电电池时,该可充电电池可以是有线充电电池或无线充电电池。有线充电电池是通过有线线路充电的电池,无线充电电池是通过无线线圈充电的电池。该可充电电池还可以用于支持快充技术。
本公开实施例中示出的电子设备600结构框图并不构成对电子设备600的限定,电子设备600可以包括比图示更多或更少的组件,或者组合某些组件,或者采用不同的组件布置。
在本公开的描述中,需要理解的是,术语“第一”、“第二”等仅用于描述目的,而不能理解为指示或暗示相对重要性。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本公开中的具体含义。此外,在本公开的描述中,除非另有说明,“多个”是指两个或两个以上。“和/或”,描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
以上上述,仅为本公开的具体实施方式,但本公开的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本公开揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本公开的保护范围之内。因此,依本公开权利要求所作的等同变化,仍属本公开所涵盖的范围。
Claims (10)
1.一种计量设备需求数据预测方法,其特征在于,所述计量设备需求数据预测方法包括:
获取计量设备的历史监测数据,并根据所述历史监测数据确定目标预测模型;
验证所述目标预测模型的预测效果;
在所述预测效果验证通过的情况下,对所述历史监测数据采用所述目标预测模型进行预测,得到所述计量设备在未来预设时间内对应的第一参考需求数据;
对所述第一参考需求数据进行修正,得到所述计量设备在未来预设时间内对应的第二参考需求数据。
2.如权利要求1所述的计量设备需求数据预测方法,其特征在于,所述根据所述历史监测数据确定目标预测模型的步骤包括:
根据所述历史监测数据确定所述计量设备的使用类型;
从预设模型集合中确定所述使用类型匹配的目标预测模型。
3.如权利要求2所述的计量设备需求数据预测方法,其特征在于,所述根据所述历史监测数据确定所述计量设备的使用类型的步骤,包括:
对所述历史监测数据进行清洗,得到待处理数据;
根据所述待处理数据确定所述计量设备的使用类型。
4.如权利要求2所述的计量设备需求数据预测方法,其特征在于,所述从预设模型集合中确定所述使用类型匹配的目标预测模型的步骤,包括:
在所述使用类型包括第一类型的情况下,从所述预设模型集合中选取长短期记忆时间序列模型作为所述目标预测模型;
在所述使用类型包括第二类型的情况下,从所述预设模型集合中选取灰色模型作为所述目标预测模型;
在所述使用类型包括所述第一类型和所述第二类型的情况下,从所述预设模型集合中选取所述长短期记忆时间序列模型和所述灰色模型作为所述目标预测模型;
其中,所述第一类型的计量设备的使用数量大于第二类型的计量设备的使用数量。
5.如权利要求1所述的计量设备需求数据预测方法,其特征在于,所述验证所述目标预测模型的预测效果的步骤,包括:
获取所述目标预测模型的测试数据和所述计量设备的实际安装数据;
对所述测试数据采用所述目标预测模型进行预测,得到预测安装数据;
确定所述预测安装数据与所述实际安装数据之间的数据误差,并将所述数据误差作为所述预测效果;
判断所述预测效果是否小于预设误差值。
6.如权利要求1所述的计量设备需求数据预测方法,其特征在于,所述对所述第一参考需求数据进行修正,得到所述计量设备在未来预设时间内对应的第二参考需求数据的步骤,包括:
显示所述第一参考需求数据对应的修正提示弹窗,所述修正提示弹窗包括确定修正选项和取消修正选项;
在接收到所述确定修正选项的点击指令的情况下,获取所述历史监测数据的历史平均数据和历史最大数据;
根据所述历史平均数据和所述历史最大数据构建数据区间;
将所述第一参考需求数据调整至所述数据区间内,得到所述第二参考需求数据。
7.如权利要求1所述的计量设备需求数据预测方法,其特征在于,所述对所述第一参考需求数据进行修正,得到所述计量设备在未来预设时间内对应的第二参考需求数据的步骤之后,所述计量设备需求数据预测方法还包括:
根据所述第二参考需求数据确定第一管理单位下所述计量设备的推荐采购数据,并根据所述推荐采购数据生成所述计量设备的推荐采购计划;以及,
根据所述第二参考需求数据确定第二级别管理单位下所述计量设备的推荐订单数据,以供所述第二管理单位根据所述推荐订单数据向所述第一管理单位提交订单申请;其中,所述第一管理单位的级别高于所述第二管理单位的级别。
8.如权利要求1所述的计量设备需求数据预测方法,其特征在于,所述对所述第一参考需求数据进行修正,得到所述计量设备在未来预设时间内对应的第二参考需求数据的步骤之后,所述计量设备需求数据预测方法还包括:
根据所述第二参考需求数据确定第一管理单位下所述计量设备的推荐检定数据,以供所述第一管理单位根据所述推荐检定数据制定所述计量设备的检定计划。
9.一种电子设备,所述电子设备包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至8中任一项所述的计量设备需求数据预测方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至8中任一项所述的计量设备需求数据预测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211519997.2A CN115880021A (zh) | 2022-11-30 | 2022-11-30 | 计量设备需求数据预测方法、电子设备及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211519997.2A CN115880021A (zh) | 2022-11-30 | 2022-11-30 | 计量设备需求数据预测方法、电子设备及可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115880021A true CN115880021A (zh) | 2023-03-31 |
Family
ID=85764925
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211519997.2A Pending CN115880021A (zh) | 2022-11-30 | 2022-11-30 | 计量设备需求数据预测方法、电子设备及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115880021A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116128323A (zh) * | 2023-04-07 | 2023-05-16 | 阿里巴巴达摩院(杭州)科技有限公司 | 电力交易决策处理方法、存储介质和电子设备 |
-
2022
- 2022-11-30 CN CN202211519997.2A patent/CN115880021A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116128323A (zh) * | 2023-04-07 | 2023-05-16 | 阿里巴巴达摩院(杭州)科技有限公司 | 电力交易决策处理方法、存储介质和电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11615490B2 (en) | Managing building information and resolving building issues | |
AU2012271854A1 (en) | Energy systems | |
US20100241549A1 (en) | Technique for aggregating an energy service | |
CN109558101B (zh) | 财务信息动态显示方法、装置及存储介质、服务器 | |
US10223745B1 (en) | Assessing enterprise credit quality | |
CN110889725B (zh) | 在线广告ctr预估方法、装置、设备及存储介质 | |
CN115880021A (zh) | 计量设备需求数据预测方法、电子设备及可读存储介质 | |
CN110135702A (zh) | 一种实时更新的还款积极度评估方法、装置、系统和记录介质 | |
CN115879706A (zh) | 计量资产盘点方法、装置、电子设备及可读存储介质 | |
KR20150096015A (ko) | 신재생에너지 공급인증서 중계 판매장치 및 중계 판매방법 | |
CN110569190B (zh) | 交易压力测试方法和装置、以及电子设备和可读存储介质 | |
US8732299B2 (en) | Scalability breakpoint calculator for a software product | |
WO2019127822A1 (zh) | 品牌宣传项目管理方法、装置、终端设备及存储介质 | |
US8108238B1 (en) | Flexible project governance based on predictive analysis | |
US9785904B2 (en) | Methods and systems for demonstrating and applying productivity gains | |
US7636902B1 (en) | Report validation tool | |
CN114282881A (zh) | 折旧测算方法、装置、存储介质及计算机设备 | |
JP2018205876A (ja) | 損害車査定システム | |
CN112905435A (zh) | 基于大数据的工作量评估方法、装置、设备及存储介质 | |
CA3171885A1 (en) | Systems, computer-implemented methods and computer programs for capital management | |
US20130046593A1 (en) | Facilitating a purchased product's maintenance and replacement | |
CN111161042A (zh) | 个人风险评估方法、装置、终端及存储介质 | |
CN113781014B (zh) | 一种涂装色差管理方法、系统、介质及终端 | |
US20230376400A1 (en) | Differenced data-based "what if" simulation system | |
US20230368202A1 (en) | System and method of service through a distributed ledger |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |