[发明专利]一种基于DWT-PCA-LSTM的供水公司供水量预测装置

权利要求书

1.一种基于DWT-PCA-LSTM的供水公司供水量预测装置，其特征在于，包括：

数据采集模块，用于通过采集城市中供水公司的日供水量数据，日供水量对应的气象数据以及节假日、工作日情况，生成日需水量数据的时间序列；所述气象数据包括：天气数据、当日的最高温度和最低温度；

数据预处理模块，用于进行日供水量数据时间序列的异常值去除和日供水量数据时间序列的降噪处理，获得异常值去除后的时间序列和降噪序列；

预测变量确定模块，用于对数据预处理模块得到的日需水量数据的时间序列进行相关性分析，根据异常值去除后的时间序列和降噪序列计算残差序列，初步确定输入预测模型中的预测变量；

数据预测模块，用于通过建立LSTM神经网络模型完成对未来供水量的预测，具体如下：

所述数据预测模块中建立LSTM神经网络模型的具体过程如下：

确定LSTM神经网络的内部结构：将均方根误差RMSE以及解释方差分EVS作为评价模型预测效果的指标，通过建立对比试验来确定预测模型的隐藏层层数以及隐藏层节点数；

模型参数设置：为了得到最优的预测模型需设置合适的损失函数来衡量每次迭代过程中模型的预测值与实际值之间的差距程度，并通过adaptive moment estimation优化算法对损失函数进行优化，经过多次迭代从而得到最优的预测模型；

所述数据预测模块中LSTM神经网络模型的损失函数参数设置如下：LSTM神经网络采用mean_absolute_error损失函数；

所述数据预测模块中对未来供水量的预测，是根据得到的LSTM神经网络预测模型分别建立基于降噪序列的LSTM预测模型以及基于残差序列的降噪模型，并分别对降噪后序列{X_dwt1,X_dwt2,X_dwt3,……,X_dwtt}以及残差序列{X_diff1,X_diff2,X_diff3,……,X_difft}作出预测，将基于不同序列的预测结果相加得到供水公司日供水量预测数据。

2.根据权利要求1所述的基于DWT-PCA-LSTM的供水公司供水量预测装置，其特征在于，所述数据采集模块中日供水量数据至少包括365个日供水量数据。

3.根据权利要求1所述的基于DWT-PCA-LSTM的供水公司供水量预测装置，其特征在于，所述数据预处理模块中，日供水量数据时间序列的异常值去除，具体如下：利用拉依达准则确定历史需水数据中的异常值，假设异常值在第t日出现，对第t-2，t-1，t+1，t+2日的需水量数据进行加权平均，用加权平均值替换第t天的异常值，得到异常值处理后序列{X₁,X₂,X₃,……,X_t}，表达如下：

X_t＝θ₁W_t-2+θ₂W_t-1+θ₃W_t+1+θ₄W_t+2

式中，X_t为取代第t天异常值的供水量数据，θ_i为日供水量数据对应的预设权重值，i＝1,2,…,4。

4.根据权利要求1所述的基于DWT-PCA-LSTM的供水公司供水量预测装置，其特征在于，所述数据预处理模块中，日供水量数据时间序列的降噪处理，具体如下：

对数据预处理模块中得到的时间序列{X₁,X₂,X₃,……X_t}进行一维离散小波变换DWT得到降噪后的序列{X_dwt1,X_dwt2,X_dwt3,……,X_dwtt}。