专利交易市场

本发明公开了一种基于误差平方和最小的城市需水量组合预测方法。本发明首先建立供水管网需水量数据库。然后训练并建立RBF神经网络模型、GRNN模型、ARIMA模型。最后基于误差平方和最小进行组合预测。本发明将RBF神经网络逼近能力强，全局最优等特点与GRNN神经网络学习速度快，易收敛等特点与ARIMA灵活，适应性强等特点结合,并结合滚动更新策略，使该预测方法能动态适应环境发展变化。

本发明涉及一种改进的Lasso+RBF神经网络组合预测模型，属于大数据分析与处理领域。该模型的预测过程为：通过对客户关系的生命周期特征做出界定，将客户生命周期划分为获取阶段、提升阶段、成熟阶段、衰退阶段和流失阶段；将流失阶段客户作为模型的训练集和测试集，其余4个阶段的客户作为预测客户，并将流失阶段客户再次划分为前四个阶段；分别用Lasso回归提取特征，再分别训练每个阶段对应的RBF神经网络模型；将得到的前4个未流失阶段的客户分别带入训练出的对应阶段的模型中进行预测；最后将得到的预测结果组合起来，即为将要流失的客户集。本发明所述模型使提取的特征更加准确，减小数据的不平衡性，提高预测的精确性。