基于机器学习XGBoost集成模型的边界流量计日流量预测方法

• 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: XGBoost集成模型 电磁流量计 特征工程 离散变量数值化 流量预测
• 年，卷（期）: 2020,（10）
• 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: 181-186
• 页数: 6页
• 分类号: TU991.6
• 语种: 中文
• DOI: 10.15890/j.cnki.jsjs.2020.10.028

摘要

为了解决供水分区边界流量计在非正常工作状态下,流量计量不准的问题,以正常工作状态下的水量为基础,结合影响流量计计量的多种特征,利用特征工程对原始数据进行优化,对离散型特征进行数值化处理,采用基于机器学习XGBoost集成模型构建流量计流量预测模型.旨在修正流量计非正常工作状态下计量的水量,提高工作成效.与传统的通过人工以未来一段时间内取平均值的计算方法相比,此模型以流量计正常工作状态下的全数据或者供水区域水量全数据为基础,充分结合了影响流量计工作的因素,如天气、日期、相关正常流量计、相关正常压力计、相关水厂、相关供水区域等,相对平均误差在2％左右,能够在工作中产生积极意义.