一种基于量子复神经网络和希尔伯特黄变换HHT的电价预测方法

本发明提供了一种原创的基于量子复神经网络和希尔伯特黄变换(Hilbert‑Huang Transform,HHT)的实时电价预测方法。针对电价数据在历史层面的非平稳性，首先通过HHT时序分析方法提取每个特征通道的时间内部相关性，将复杂的多维时序预测简化为简单的回归任务，避免了繁琐的时序建模过程；针对电价数据的非线性问题，利用量子神经网络捕捉不同因素间的耦合关系，并借助于量子计算的并行性进一步提升了计算速度和模型效率。基于以上两点优势，该方法可以实现精准的实时电价预测。