时间序列特性驱动的供水量预测方法研究及应用

《时间序列特性驱动的供水量预测方法研究及应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、时间序列特性驱动的供水量预测方法研究及应用重庆大学博士学位论文学生姓名：白云指导教师：王圃教授专业：市政工程学科门类：工学重庆大学城市建设与环境工程学院二O一四年十一月万方数据万方数据ResearchandApplicationonWaterSuppliesForecastingBasedonFeature-DrivenoftheTimeSeriesAThesisSubmittedtoChongqingUniversityinPartialFulfillmentoftheRequirementfortheDoctor’sDegreeofEngi

2、neeringByBaiYunSupervisedbyProf.WangPuSpecialty:CivilEngineeringSchoolofUrbanConstructionandEnvironmentalEngineering,ChongqingUniversity,Chongqing,ChinaNov.2014万方数据万方数据中文摘要摘要随着城市化进程的推进和社会经济的快速发展，人民生活水平的不断提高，使城市自来水公司的供水系统的规模迅速扩大，从而导致了企业的供水系统调度复杂性的逐年提高。这一现象给传统调度方式带来了前所未有的挑战。而供

3、水量预测作为企业供水系统调度工作的基础和前提，一直是城市供水企业和运行管理部门最为棘手的问题之一。通过供水量预测，既可以为供水系统科学调度提供数据依据，又可以提高水资源利用效率，改善城市生态环境，促进社会和谐健康发展。日供水量的预测可以保证用户在不同时间对水量和水压的要求，同时也能提高水厂的生产效率，减少生产成本，从而提高供水服务质量。月供水量的预测可以平衡水源与各水厂的供给量，提高区域调度能力，减少水资源的浪费。因此，作者从日、月供水量预测两个方面，以重庆市主城和周边区县三种不同规模自来水厂正常工况下供水时间序列为研究对象，对其进行了深入的研

4、究。主要研究结果如下：①分析了各供水量时间序列的可预测性。通过定性（功率谱）和定量（最大李雅普诺夫指数）分析可知，日、月供水量时间序列均存在明显的混沌特性，说明供水量时间序列具有可预测性。②利用Matlab数值分析软件，分别采用传统预测模型（整合自回归移动平均模型（ARIMA））和基于新技术的预测模型（反向传播神经网络模型（BPNN）、模糊神经网络模型（ANFIS）和最小二乘支持向量机回归模型（LSSVR））对日、月供水量进行了预测研究。其中，BPNN、ANFIS和LSSVR三种模型的输入-输出结构由其混沌特性所决定的相空间重构的结构决定。预测

5、结果表明，在这四种预测模型中，基于新技术的预测模型具有相对较好的预测效果，其中LSSVR在日供水量预测方面的拟合性最好，而在月供水量预测方面较差。所以，在以下的日供水量预测研究中，将LSSVR作为回归预测模型进行研究。③日供水量序列局部存在特性差异性，同时考虑到大数据量时间序列全局建模速度慢，更新计算代价高，所以，作者利用局部建模方法，提出一种基于多尺度二乘支持向量回归的预测模型（MS-LSSVR）。通过静态小波分解将非平稳的供水量时间序列分解为不同尺度的平稳时间序列，然后在分解后的各子序列上分别建立LSSVR模型进行预测，最后通过小波逆变换将

6、各子序列预测结果整合得出原始用水量时间序列的预测值。实例分析表明，利用MS-LSSVR预测日供水量的效果较单一LSSVR模型有显著提高，其中平均绝对误差（MAE）分别提高了I万方数据重庆大学博士学位论文3331889.838m/d，827.722m/d，153.729m/d；平均绝对百分比误差（MAPE）分别提高了0.919%，1.262%，1.576%；标准相对均方根误差（NRMSE）分别提高了0.0116，0.0162，0.0174。④考虑到日供水量的时变性，模型精度会随这种时变性降低，模型结构退化，所以，作者提出一种基于变结构最小二乘支持

7、向量回归（VS-LSSVR）的动态预测模型。利用日用水量的历史数据训练LSSVR模型，得到模型结构参数历史数据序列，然后利用数据同化方法——扩展卡尔曼滤波器（EKF）对模型结构参数组进行估计，最后用模型结构参数估计量来更新模型结构并预测下一天日用水量。通过这种方式，实现预测模型结构的动态更新。实例分析表明，VS-LSSVR模型克服了模型精度随时间变化降低的缺点，在损失了部分运算时间的基础上，提高了模3型动态预测能力。与单一LSSVR模型相比，MAE分别提高了1966.866m/d，331379.634m/d，177.905m/d；MAPE分别提

8、高了1.462%，2.173%，1.780%；NRMSE分别提高了0.0197，0.0253，0.0189。⑤月供水量时间序列具有更加明显的周期性和趋