基于免疫原理的城市用水量预测模型

《基于免疫原理的城市用水量预测模型》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、http://www.paper.edu.cn1基于免疫原理的城市用水量预测模型1,22┼12彭凌西，彭银桥，孙飞显，陈月峰1四川大学计算机学院,（610065）2广东海洋大学信息学院,（524025）E-mail:manplx@163.com摘要：为提高城市用水量预测的精度，提出了一种新的基于免疫原理的城市用水量预测模型(UWBI)，给出了模型中抗原、B细胞、记忆细胞的定义及UWBI的形式化描述，并进行了仿真实验，结果表明UWBI比基于BP神经网络的方法更有效。UWBI具有非线性，以及克隆选择、免疫网络和免疫记忆等生物免疫系统特征，为城市

2、日用水量预测提供了一种较好的解决方案。关键词：人工免疫;机器学习;城市日用水量;预测模型1.引言城市供水日用量预测模型是城市供水系统优化调度的前提，在实现供水系统的优化调度[1,2][3,4]和供水管网水力模拟运算中具有重大意义。传统的方法如回归模型、时间序列方法都要求给出用水量与各种影响因素的显式模型，然而现阶段得到显式的预测模型并不容易。另外这些传统的预测模型在预测步数、精度等方面都比较差。[5,6]近年来神经网络的应用快速发展，出现了一些基于神经网络的预测方法，该方法是应用神经网络的计算机理和学习机理，利用训练好的神经网络实现预测。该

3、方法比传统的统计分析方法具有更好的预报效果，但存在学习速度慢，预报准确性较差的缺点。人工免疫系统与人工神经网络都是受生物学启发发展而来的理论和技术，人工免疫系统(ArtificialImmuneSystem,AIS)具有多样性、自组织、自学习、自适应、免疫记忆和鲁棒性等优点。AIS作为计算智能研究的新领域，提供了一种强大的信息处理和问题求解范式，并[7－10]已证明了是一种优秀的机器学习方法。为提高预测精确度，加快预测的速度，利用免疫系统的识别和学习机制，提出了基于免疫原理的预测模型(UrbanWaterDemandPredictionMo

4、delBasedonImmunity,UWBI)，对模型进行了实验，并与神经网络的方法进行了对比，结果说明UWBI不仅可行，而且效果较好,为城市日用水量预测提供了一种新颖和有效的解决方案。2.理论模型生物免疫系统中，在进行一次应答时，系统采用克隆选择原理和高频变异机制进行学习1国家自然科学基金(60371046)；广东海洋大学自然科学基金(0512135,0412128)+通讯作者-1-http://www.paper.edu.cn识别，最后会留下一定数量的记忆免疫细胞，用来进行二次应答。受此原理启发，提出了一种基于免疫原理的城市用水量预测

5、模型。首先把历史的用水量影响因素数据进行标准化，形成抗原集合。然后将抗原集合提交给人工免疫系统进行学习训练，最后利用训练得到的免疫记忆细胞及测试抗原的影响因素进行用水量预测。2.1基本概念在给出UWBI算法前，先给出相关的定义。设MC表示记忆细胞的集合，mc表示一个记忆细胞并且mc∈MC。识别球ARB(ArtificialRecognitionBalls)相当于B细胞，AB表示ARB细胞集合，ab表示一个ARB细胞并且ab∈AB。AG表示抗原集合，ag表示一个抗原并且ag∈AG。ab。stim表示一抗原对ARBab刺激值。ab。resour

6、ce表示ARBab拥有的资源数目。TotalResource表示允许拥有的资源总数。ag.f，mc.f，ab.f分别表示ag，mc，ab的特征向量。ag.fi，mc.fi，ab.fi分别表示ag.f，mc.f，ab.f的第i个特征值。2.2模型框架UWBI首先进行记忆细胞初始化，然后对训练抗原集合AG中的每一个ag进行学习，最后通过形成的记忆细胞集对测试抗原进行预测，算法包括如下过程。(1)初始化对训练抗原原始数据进行标准化处理，并随机选择抗原形成最始的记忆细胞集合，具体步骤如下：a)设有训练数据有m个抗原，每个抗原有n个特征，按⑴式对训练

7、集第i个抗原特征ag.fi进行标准化。Ag[j].fii-Min(Ag[jf].)1££jmAg[jf].i=⑴Max(Ag[j].fii)-Min(Ag[jf].)1£j£m1££jmb)按式⑵计算亲和力阈值δ，其中的亲和力按式⑶进行计算。nn-1ååaffinity(agij,)agi=11ji=+d=⑵nn(-1)2当式⑶和式⑷中的参数为mc和ag时，则分别表示mc和ag间亲和力和刺激值。当式⑶和式⑷中的参数为ab和ag时，则分别表示ab和ag间亲和力和刺激值。当式⑶中参数为ag和ag时，则表示ag间亲和力。当式⑶中参数为mc和mc时

8、，则表示mc间亲和力。nrAffinity(x,y)=-råx.fyf./n⑶iii=1Stimulation(x,y)=-1Affinity(xy,)⑷c)随机选择0到m个标准