申请/专利权人：国网浙江省电力有限公司经济技术研究院

申请日：2024-01-03

公开（公告）日：2024-06-21

公开（公告）号：CN118229451A

主分类号：G06Q50/06

分类号：G06Q50/06;G06Q30/0283;G06Q10/04;G06F18/20;G06N3/0442

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.07.09#实质审查的生效;2024.06.21#公开

摘要：本发明涉及数据分析技术领域，尤其涉及基于多算法融合的电网生产技改工程造价数据拆分方法。步骤一、数据预处理：读取工程结算文件、设备材料清单、其他费用表等，将其转换成数据框DataFrame格式，方便后续的操作；步骤二、构建LSTM模型：使用Keras库构建LSTM模型；步骤三、费用拆分与分摊。本发明能够有效地解决电网生产技改工程造价数据的复杂性、多样性和不规范性等问题，通过数据预处理，将原始数据转换成符合LSTM模型输入格式的时间序列数据，提高数据的质量和可用性。

主权项：1.基于多算法融合的电网生产技改工程造价数据拆分方法，其特征在于，包括以下步骤：步骤一、数据预处理：读取工程结算文件、设备材料清单、其他费用表，将其转换成数据框DataFrame格式，方便后续的操作；对数据框进行清洗，去除缺失值、异常值、重复值，保证数据的完整性和一致性；对数据框进行特征提取，提取工程类型、设备信息、改造方案、技术参数作为输入特征，并将其转换成数值型或类别型，并进行归一化或独热编码处理，以适应LSTM模型的输入格式；将数据框按照时间顺序划分为训练集、验证集和测试集，保证每个数据集的时间连续性和代表性；步骤二、构建LSTM模型：使用Keras库构建LSTM模型，包括嵌入层、LSTM层、Dropout层、Dense层，并选择合适的损失函数、优化器、激活函数；嵌入层用于将类别型特征转换成稠密的向量表示，以减少维度和提高表达能力；LSTM层用于学习和记忆时间序列数据的长期依赖关系，以提高预测精度；Dropout层用于随机丢弃一些神经元，以防止过拟合和增加泛化能力；Dense层用于将LSTM层的输出映射到目标维度，以输出数据校核结果和费用拆分结果；损失函数用于衡量模型的预测误差，优化器用于更新模型的参数，激活函数用于增加模型的非线性；使用训练集和验证集对LSTM模型进行训练和调参，直到达到满意的效果，使用TensorBoard或其他可视化工具监控模型的训练过程和性能指标。

全文数据：

权利要求：

百度查询： 国网浙江省电力有限公司经济技术研究院 基于多算法融合的电网生产技改工程造价数据拆分方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD