基于聚类分析的滑动时均序列需水预测优化方法

• 作者: 刘鑫 桑学锋 常家轩 李子恒
• 来源期刊: 中国农村水利水电
• 关键词: 深圳 KMeans 季节性滑动平均自回归 时间序列 自回归滑动平均 长期预报
• 年，卷（期）: 2021,（9）
• 所属期刊栏目: 供水工程
• 页码范围: 199-205
• 页数: 7页
• 分类号: TV214
• 语种: 中文
• DOI: 10.3969/j.issn.1007-2284.2021.09.036

摘要

针对城市用水周期性及波动性特点,依据深圳市47个水厂及10个行政区2015-2019年逐月的供用水序列,考虑产业结构、人口特征及水厂供水的时间变化因子,提出KMeans聚类算法和季节性滑动平均自回归(seasonal moving average autoregressive,SMAAR)模型耦合方法,将水厂和行政区的时间序列进行聚类,分类别进行建模,预测2020年1-8月水厂及行政区的逐月供水数据,进而汇总出深圳市2020年1-8月的总供水数据,并与普通的自回归滑动平均(autore-gressive moving average,ARMA)模型对比.结果表明:建模对象范围越小预测结果的RE较小.SMAAR的性能比ARMA有显著提升,且在长期预报中依旧表现出较强的泛化能力,254 d逐日预测结果的平均相对误差只有0.08.本研究方法可为城市需水预测和供水调度管理提供支撑.