基于多粒度特征和XGBoost模型的城市日供水量预测

• 作者: 贺波 马静 高赫余
• 来源期刊: 长江科学院院报
• 学科: 工学
• 关键词: 城市日供水量 多粒度特征 Pearson相关系数 XGBoost模型 预测精度
• 年，卷（期）: 2020,（5）
• 所属期刊栏目: 水资源与环境
• 页码范围: 43-49
• 页数: 7页
• 分类号: TV213.4
• 字数: 6050字
• 语种: 中文
• DOI: 10.11988/ckyyb.20181326

摘要

城市日供水量预测对供水部门具有十分重要的现实意义.为提高城市日供水量预测精度,以某市历史用水数据为基础,构建多粒度特征,并利用Pearson相关系数进行特征的筛选,基于XGBoost模型构建城市日供水量预测模型.本模型通过在训练集上进行训练和学习,在测试集上的平均绝对误差为70571 t/d,平均相对误差为1.4％;传统的回归预测方法如随机森林法和支持向量机法,平均绝对误差分别为84366 t/d和88848 t/d.本模型预测精度更高,说明此模型可行、有效,具有一定的应用价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	马静	南京航空航天大学经济与管理学院	75	484	12.0	16.0
2	贺波	南京航空航天大学经济与管理学院	2	0	0.0	0.0
3	高赫余		1	0	0.0	0.0