[发明专利]一种随机森林和概率密度函数的供水管网用户用水量预测方法

说明书

本发明公开了一种随机森林和概率密度函数的供水管网用户用水量预测方法。此算法用于对供水管网用户用水量的预测，首先根据时间跨度内用户用水数据进行数据整理，然后通过用水量四分位数进行用水级别的划分，在通过随机森林进行用水级别的预测，最后通过概率密度函数法进行用水量的预测。发明通过相关实验验证了方法的有效性。

技术领域

本发明涉及城市供水管网用户用水量预测的方法。

背景技术

随着城市化不断推进，城市的规模也在不断增加，用户用水量也随之增加，同时随着供水管网不断完善以及水务公司科技水平的不断进步，越来越多的用户大表水量计量仪器被应用在用户、小区和工业企业中，获取用户用水信息变得更加简便。除此之外，根据用水信息对管网用水情况的分析和预测对于城市供水管网运行调度以及未来设计规划都有着重要的意义。所以对用水用户进行用水量的预测对于分析管网运行状态、提高运维效率、管网优化和调度都有着重要的意义。

目前对用水量的预测大多为短期水量的机器学习预测，一般是针对整个用水管网区域的用水量进行预测，只能反映用水总量的变化，对用户用水及其变化趋势的预测较少。同时由于用户计量大表精度以及数据传输等问题，大表数据中存在一些异常数据，这对于机器学习来说可能会导致精度和效率的下降。除此之外，当数据量偏小时，难以构建神经网络等需要的训练数据量，更限制了传统机器学习方法的应用。

发明内容

本发明的目的是针对现有方法的限制，本发明主要是通过随机森林和概率密度函数结合的方法对用户大表数据进行预测。

为实现以上目的，本发明随机森林和概率密度函数法进行用水量预测，包括如下方面：

1.统计用水数据：根据用户大表的用水数据，统计大表数量，确定统计数据的时长，并确定数据量大小和格式，并进行用户大表用水数据的四分位数统计。

2.随机森林用水级别预测：使用随机森林法对用户大表下一天的用水趋势进行预测，确定用水级别：

(1)根据大表四分位数，确定一定时间内大表用水级别及其水量范围。

(2)结合随机森林算法，根据当天日期、温度、降水量、部分用水数据等变量判断下一天大表的用水趋势并确定其用水级别。

3.概率密度函数法的用水量预测：

(1)根据用户大表每个小时的用水量统计分布，确定不同时间大表用水量的概率密度分布情况。

(2)将概率密度函数根据积分平均分为四个部分并分别进行放缩，并根据随机森林预测的用水级别，确定该天用水趋势并确定其对应的概率密度函数，并根据概率密度函数确定该时刻的随机波动数值，再与用水量中位数叠加得到具有随机变化的大表用水量预测结果。

本发明的有益效果：本发明以随机森林和概率密度函数进行了用户用水量的预测，有着较低的计算成本，对数据量要求较小，数据更新计算方便，有较强的适用性。

附图说明

图1为本发明随机森林和概率密度函数用水量预测的流程图；

图2为本发明随机森林用水级别预测的流程图；

图3为本发明概率密度函数用水量预测的流程图；

图4为本发明概率密度函数放缩前后示意图；

图5为本发明用户大表实际用水量和预测用水量对比图。

具体实施方式

为了使本领域技术人员更好地理解本发明的技术方案，下面结合附图对本发明进行详细描述，本部分的描述仅是示范性和解释性，不应对本发明的保护范围有任何的限制作用。

如图1、图2和图3所示，随机森林和概率密度函数预测用水量过程，包括以下步骤：