[发明专利]基于手机基站用户定位数据的水量预测的方法

权利要求书

1.基于手机基站用户定位数据的水量预测的方法，其特征在于，包括如下步骤：

S01、建立基站T-步预测模型：通过人员密度与平均用水量统计关系建立模型，结合基站负载的时空变化，通过脱敏、抽象处理，计算空间节点的用水量，将该用水量赋给水力模型空间节点进行计算；

S02、确定并获取时间因子、周期因子、空间因子：根据基站负载的时空关联性，选定三类要素因子来标定影响因素，相邻时段的影响命名为时间因子、周期性重复的影响命名为周期因子以及基站间转移的影响命名为空间因子；

S03、向基站T-步预测模型中输入时间因子、周期因子、空间因子的数据；

S04、对时间因子、周期因子、空间因子的数据进行编码；

S05、对经编码后的时间因子、周期因子、空间因子的数据形成初始种群；

S06、根据初始种群计算适应度函数；

S07、判断是否停止计算；若是，则进行下一步；若否，则经选择、交叉、变异动作后返回至步骤S04；

S08、优化结果；

S09、训练GA—BP神经网络；

S10、预测输出；

S11、结果呈现，将预测结果在地理信息系统GIS上以热力图形式展现，即为实时用水量预测，并根据颜色带进行用水密度展示。

2.根据权利要求1所述的基于手机基站用户定位数据的水量预测的方法，其特征在于，所述步骤S01是由基站负载影响因素的选取中，选定影响该基站负载的前k个时刻的时间因子、与当前日具有相似模式的前l个周期的周期因子和与该基站具有空间关联性的前s个空间因子，用时空因素(k,l,s)来表示基站T-步预测模型，可得出：

其中，T＝1,2...,m；k＝1,2,,...,T；l＝1,2,...,m；s＝1,2,...,n；

其中，I:I＝{i₁,i₂,...,i_n}表示某区域基站集合；表示第I_j个基站的T步负载预测值，T＝1,2,3，...；k：表示与时段t具有时间关联的前k个时段，即第k个时间因子，k＝i-1，i-2,i-n；l表示与当前日具有相似模式的前第l个周期，其中l＝i-1，i-2,i-m；s：表示与该基站具有空间关联性的第s个基站，其中，s＝0,1,2，...,O。

3.根据权利要求1所述的基于手机基站用户定位数据的水量预测的方法，其特征在于，所述基站T-步预测模型采用最近节点或最近管线原则，将手机定位数据与管网节点进行匹配，并进行水量赋值来构建动态用水预测模型。

4.根据权利要求1所述的基于手机基站用户定位数据的水量预测的方法，其特征在于，所述时间因子指的是在基站的分钟级多步预测中，基于人群白天活动夜晚休息的规律，选择待预测时段；在预测时段的时间影响因子选取时，考虑下一时刻的负载数据可以认为是当前时刻负载的聚集及影响。

5.根据权利要求1所述的基于手机基站用户定位数据的水量预测的方法，其特征在于，所述周期因子指的是基站的人群运动模式呈现的星期稳定性；在不同时间段的基站负载数据中，呈现着相同的周期模式；因此采用周期因子作为预测模型的影响因素。

6.根据权利要求1所述的基于手机基站用户定位数据的水量预测的方法，其特征在于，所述空间因子指的通过不同时段各基站的负载数据以及基站之间人群相互转移的数据，计算手机用户群体在基站间的转移概率矩阵。

7.根据权利要求1所述的基于手机基站用户定位数据的水量预测的方法，其特征在于，所述步骤S04-S06中，由时间因子、周期因子和空间因子确定之后使用premnmx函数作为初始种群计算适应度函数对原始数据样本进行归一化处理，使处理后的数据根据是否均匀地分布在[-1,1]的范围内进行预测。

8.根据权利要求7所述的基于手机基站用户定位数据的水量预测的方法，其特征在于，利用所述premnmx函数进行预测的方法采用包括平均相对误差MAPE、平均绝对误差MAE、均方误差MSE、均方根误差RMSE的指标进行评价。