(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111280086.4 (22)申请日 2021.10.28 (71)申请人 新智我来网络科技有限公司 地址 100102 北京市朝阳区望京东路1号 (72)发明人 刘国柄　刘嘉　吕宏强　 (74)专利代理 机构 北京嘉科知识产权代理事务 所(特殊普通 合伙) 11687 代理人 陈俊宏 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 50/06(2012.01) G06N 20/00(2019.01) (54)发明名称 燃气负荷预测模型的训练方法和装置 (57)摘要 本公开涉及燃气负荷预测技术领域， 提供了 一种燃气负荷预测模型的训练方法和装置。 该方 法包括： 响应于燃气负荷预测发起方发送的用气 负荷预测请求， 获取燃气负荷预测发起方的发起 方燃气数据集和至少一个燃气负荷预测参与方 的参与方燃气数据集； 计算发起方燃气数据集中 的数据与参与方燃气数据集中的数据之间的相 似度值， 并按照从小到大的顺序对相似度值进行 排序得到排序数据组； 选取排序数据组中的任一 相似度值和小于且等于任一相似度值的至少一 个相似度值； 确定将至少一个相似度值对应的至 少一个参与方燃气数据集作为联合学习数据； 横 向联合发起方燃气数据集和联合学习数据， 以对 燃气负荷预测模 型进行训练。 本公开提高了燃气 负荷预测模型的精度。 权利要求书2页 说明书13页 附图4页 CN 113988434 A 2022.01.28 CN 113988434 A 1.一种燃气负荷预测模型的训练方法， 其特 征在于， 包括： 响应于燃气负荷预测发起方发送的用气负荷预测请求， 获取所述燃气负荷预测发起方 的发起方燃气数据集和至少一个燃气负荷预测参与方的参与方燃气数据集； 计算所述发起方燃气数据集中的数据与所述参与方燃气数据集中的数据之间的相似 度值， 得到相似度数据组； 按照从小到大的顺序对所述相似度数据组中的相似度值进行排序， 得到排序数据组； 选取所述排序 数据组中的任一相似度值， 并基于所述任一相似度值从所述排序 数据组 中选取小于且等于所述任一相似度值的至少一个相似度值； 确定将所述至少一个相似度值对应的至少一个参与方燃气数据集作为联合学习数据； 基于横向联合学习， 横向联合所述发起方燃气数据集和所述联合学习数据， 以对所述 燃气负荷预测模型进行训练。 2.根据权利要求1所述的方法， 其特征在于， 所述计算所述发起方燃气数据集中的数据 与所述参与方燃气数据集中的数据之间的相似度值， 得到相似度数据组， 包括： 分别对所述发起方燃气数据集和所述参与方燃气数据集进行特征提取， 得到所述发起 方燃气数据集的特 征向量和所述 参与方燃气数据集的特 征向量； 计算所述发起方燃气数据集的特征向量与所述参与方燃气数据集的特征向量之间的 距离， 并将所述距离作为所述发起方燃气数据集和所述参与方燃气数据集的相似度值， 得 到所述相似度数据组。 3.根据权利要求2所述的方法， 其特征在于， 所述计算所述发起方燃气数据集的特征向 量与所述 参与方燃气数据集的特 征向量之间的距离， 包括： 利用距离公式计算所述发起方燃气数据集的特征向量与所述参与方燃气数据集的特 征向量之间的距离， 其中， 所述距离公式包括欧式距离公式、 曼哈顿距离公式、 马氏距离公 式、 余弦距离公式 中的任一种。 4.根据权利要求3所述的方法， 其特 征在于， 所述距离公式为所述欧式距离公式。 5.根据权利要求1所述的方法， 其特征在于， 所述选取所述排序 数据组中的任一相似度 值， 并基于所述任一相似度值从所述排序数据组中选取小于且等于所述任一相似度值的至 少一个相似度值， 包括： 根据所述燃气负荷预测发起方在不同应用场景和/或不同预测周期的用气特点， 从所 述排序数据组中选取相应的相似度值； 基于所述相似度值， 从所述排序数据组中选取小于且等于所述相似度值的至少一个相 似度值。 6.根据权利要求1所述的方法， 其特征在于， 所述基于横向联合学习， 横向联合所述发 起方燃气数据集和所述联合学习数据， 以对所述燃气负荷预测模型进行训练， 包括： 基于横向联合学习， 横向联合所述发起方燃气数据集和所述联合学习数据， 得到横向 联合数据； 将所述横向联合数据输入至所述燃气负荷预测模型， 并通过机器学习算法对所述燃气 负荷预测模型进行训练。 7.根据权利要求1至6中任一项所述的方法， 其特征在于， 所述燃气负荷预测模型包括 线性回归 模型、 支持向量回归 模型和XGBo ost模型中的任一种。权　利　要　求　书 1/2 页 2 CN 113988434 A 28.一种燃气负荷预测模型的训练装置， 其特 征在于， 包括： 获取模块， 被配置为响应于燃气负荷预测发起方发送的用气负荷预测请求， 获取所述 燃气负荷预测发起方 的发起方燃气数据集和至少一个燃气负荷预测 参与方的参与方燃气 数据集； 计算模块， 被配置为计算所述发起方燃气数据集中的数据与 所述参与方燃气数据集中 的数据之间的相似度值， 得到相似度数据组； 排序模块， 被配置为按照从小到大的顺序对所述相似度数据组中的相似度值进行排 序， 得到排序数据组； 选取模块， 被配置为选取所述排序数据组中的任一相似度值， 并基于所述任一相似度 值从所述 排序数据组中选取小于且等于所述任一相似度值的至少一个相似度值； 确定模块， 被配置为确定将所述至少一个相似度值对应的至少一个参与 方燃气数据集 作为联合学习数据； 训练模块， 被配置为基于横向联合学习， 横向联合所述发起方燃气数据集和所述联合 学习数据， 以对所述燃气负荷预测模型进行训练。 9.一种电子设备， 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7 中任一项所述方法的步骤。 10.一种计算机可读存储介质， 所述计算机可读存储介质存储有计算机程序， 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7中任一项所述方法的步骤。权　利　要　求　书 2/2 页 3 CN 113988434 A 3