【技术实现步骤摘要】
本专利技术涉及计算机，尤其涉及一种基于深度学习和django技术的智能数据预测可视化系统。
技术介绍
1、在大数据时代，绿色能源价格作为一种数据资产具有极高的价值，通过大数据和人工智能技术，可以对未来价格走势做出深度分析和预测。这样的分析可以让政府和企业决策者对未来的价格趋势有一个预判并且做出理性的决策。同时，这些预测还可以为企业提供优化购买决策方面的支持。
2、随着各种大数据技术和深度学习技术的发展，为解决如何购买绿色能源并且用于投资的提供新的方案成为亟待解决的问题。
技术实现思路
1、本专利技术旨在提供一种克服上述问题或者至少部分地解决上述问题的基于深度学习和django技术的智能数据预测可视化系统。
2、为达到上述目的，本专利技术的技术方案具体是这样实现的：
3、本专利技术提供了一种基于深度学习和django技术的智能数据预测可视化系统，包括：数据处理和存储模块、数据分析模块和数据可视化模块；
4、所述数据处理和存储模块，用于提取历史绿电数据、历史ccer价格和历史碳配额数据；对所述历史绿电数据、所述历史ccer价格和所述历史碳配额数据进行预处理，使用pandas按照日期对预处理后的所述历史绿电数据、所述历史ccer价格和历史碳配额数据进行排序，将每个数据按照django的模型的形式存储到django的后台数据库中；
5、所述数据分析模块，用于确定用于输入模型的数据；利用所述用于输入模型的数据训练深度学习模型，其中，
6、所述数据可视化模块，用于根据django框架进行开发并且综合运用highcharts动态图表以及semantic-ui的多个模块。
7、其中，所述数据处理和存储模块通过如下方式对所述历史绿电数据、所述历史ccer价格和所述历史碳配额数据进行预处理：对所述历史绿电数据、所述历史ccer价格和所述历史碳配额数据的原始数据进行清洗与处理、去除空值与重复值。
8、其中，所述数据分析模块通过如下方式确定用于输入模型的数据：
9、根据当前的时间对历史数据的时间戳进行比对，将合适的数据标记为用于输入模型的数据。
10、其中，所述数据分析模块通过如下方式利用所述用于输入模型的数据训练深度学习模型：
11、将所述用于输入模型的数据分成训练集和测试集，使用所述训练集训练所述深度学习模型，优化损失函数，使用所述验证集评估所述深度学习模型的性能。
12、其中，所述数据可视化模块的主页面包括四个跳转链接；每个所述跳转链接指向三个数据展示平台和成本分析页面，所述数据展示平台包括：单独展示绿电的不同数值的展示平台，单独展示碳配额的不同数值的展示平台，单独展示ccer的不同数值的展示平台，所述成本分析的页面包括：展示绿电、碳配额、ccer的各项历史数据和得出的预测结果。
13、其中，所述数据可视化模块的主页面采用html语言，嵌套css模板。
14、其中，所述三个数据展示平台分别与后台数据进行同步；所述三个数据展示平台通过如下方式分别与后台数据进行同步：把后台的数据同步到该页面后进行展示；页面上设置一个文件上传的窗口，使用post方法读取输入的csv文件，该文件经过后台使用python语言读取后，生成并且更新到django models中。
15、其中，页面上还设置有跳转到历史数据表的链接，通过所述链接跳转到数据表查看历史的数据并且对历史的真实数据可以进行增删改查。
16、其中，每个页面采取左边画表格右边画图的形式对数据进行展示，其中，右边的图采用highcharts图标库中的组件。
17、其中，所述成本分析页面，用于生成购买建议和分析未来价格趋势；
18、所述成本分析页面通过如下方式生成购买建议和分析未来价格趋势：
19、获取用户输入的ccer占总体履约额度的比例；
20、根据ccer比例和绿电、ccer、碳配额预测的价格之间的比较生成购买建议；
21、运算得出成本的上界、下界；
22、成本分析界面采用highcharts图用于展示ccer、绿电、碳配额预测价格之间的比较。
23、由此可见，通过本专利技术提供的基于深度学习和django技术的智能数据预测可视化系统，基于rnn(循环神经网络)和lstm(长短期记忆)的数据预测方案，通过过去的绿电历史价格数据和ccer(国家核证自愿减排量)历史价格数据，使用rnn(循环神经网络)进行数据处理，同时通过过去的碳配额历史价格数据使用lstm(长短期记忆)进行数据处理，通过处理好的结果预测出未来的价格走势为客户提供降低成本的建议和购买决策支持。
本文档来自技高网...【技术保护点】
1.一种基于深度学习和Django技术的智能数据预测可视化系统，其特征在于，包括：数据处理和存储模块、数据分析模块和数据可视化模块；
2.根据权利要求1所述的系统，其特征在于，所述数据处理和存储模块通过如下方式对所述历史绿电数据、所述历史CCER价格和所述历史碳配额数据进行预处理：对所述历史绿电数据、所述历史CCER价格和所述历史碳配额数据的原始数据进行清洗与处理、去除空值与重复值。
3.根据权利要求1所述的系统，其特征在于，所述数据分析模块通过如下方式确定用于输入模型的数据：
4.根据权利要求3所述的系统，其特征在于，所述数据分析模块通过如下方式利用所述用于输入模型的数据训练深度学习模型：
5.根据权利要求1所述的系统，其特征在于，所述数据可视化模块的主页面包括四个跳转链接；每个所述跳转链接指向三个数据展示平台和成本分析页面，所述数据展示平台包括：单独展示绿电的不同数值的展示平台，单独展示碳配额的不同数值的展示平台，单独展示CCER的不同数值的展示平台，所述成本分析的页面包括：展示绿电、碳配额、CCER的各项历史数据和得出的预测结
6.根据权利要求5所述的系统，其特征在于，所述数据可视化模块的主页面采用html语言，嵌套css模板。
7.根据权利要求6所述的系统，其特征在于，所述三个数据展示平台分别与后台数据进行同步；所述三个数据展示平台通过如下方式分别与后台数据进行同步：把后台的数据同步到该页面后进行展示；页面上设置一个文件上传的窗口，使用POST方法读取输入的csv文件，该文件经过后台使用python语言读取后，生成并且更新到Django models中。
8.根据权利要求7所述的系统，其特征在于，页面上还设置有跳转到历史数据表的链接，通过所述链接跳转到数据表查看历史的数据并且对历史的真实数据可以进行增删改查。
9.根据权利要求8所述的系统，其特征在于，每个页面采取左边画表格右边画图的形式对数据进行展示，其中，右边的图采用Highcharts图标库中的组件。
10.根据权利要求6所述的系统，其特征在于，所述成本分析页面，用于生成购买建议和分析未来价格趋势；
...【技术特征摘要】
1.一种基于深度学习和django技术的智能数据预测可视化系统，其特征在于，包括：数据处理和存储模块、数据分析模块和数据可视化模块；
2.根据权利要求1所述的系统，其特征在于，所述数据处理和存储模块通过如下方式对所述历史绿电数据、所述历史ccer价格和所述历史碳配额数据进行预处理：对所述历史绿电数据、所述历史ccer价格和所述历史碳配额数据的原始数据进行清洗与处理、去除空值与重复值。
3.根据权利要求1所述的系统，其特征在于，所述数据分析模块通过如下方式确定用于输入模型的数据：
4.根据权利要求3所述的系统，其特征在于，所述数据分析模块通过如下方式利用所述用于输入模型的数据训练深度学习模型：
5.根据权利要求1所述的系统，其特征在于，所述数据可视化模块的主页面包括四个跳转链接；每个所述跳转链接指向三个数据展示平台和成本分析页面，所述数据展示平台包括：单独展示绿电的不同数值的展示平台，单独展示碳配额的不同数值的展示平台，单独展示ccer的不同数值的展示平台，所述成本分析的页面包括：展示绿电、碳...
【专利技术属性】
技术研发人员：姜鑫，乔佳，蔡昊，铁宇，朱瑞娟，郭蕙心，
申请(专利权)人：北京市燃气集团有限责任公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。