基于Adaboost集成模型的城市短期供水量预测方法

• 作者: 吴潇勇 王圣 高赫余
• 来源期刊: 净水技术
• 学科: 工学
• 关键词: 机器学习 特征工程 Adaboost集成模型 日供水量预测 时供水量预测
• 年，卷（期）: 2020,（5）
• 所属期刊栏目: "清时捷"供排水企业运行及管理成果专栏
• 页码范围: 164-170
• 页数: 7页
• 分类号: TU991.3
• 字数: 4937字
• 语种: 中文
• DOI: 10.15890/j.cnki.jsjs.2020.05.027

摘要

为解决供水量预测精度问题,以上海市中心城区历史用水数据为基础,结合影响水量供给的多种因子,利用特征工程相关算法筛选出最优因子组合,采用基于机器学习Adaboost集成模型构建城市供水量预测模型.研究发现:与该市传统的依赖于人工的预测方法相比,日水量模型使预测误差上限由平均10万t/d降低到7万t/d,平均相对误差降低为1.5％;时水量模型使预测误差上限由平均1.5万t/h降低到0.4万t/h,平均相对误差降低为1.9％.同时,与其他的机器学习模型相比,此模型有效可行,能够提高供水量预测精度,降低能耗成本.