[发明专利]基于小波分析与混合模型的用水量趋势预测方法和系统

说明书

本发明提供了一种基于小波分析与混合模型的用水量趋势预测方法和系统，包括：步骤1：对用水量进行监测，获得原始时间序列数据，并通过数字信号处理技术进行小波去噪；步骤2：将小波去噪后的时间序列数据添加到Prophet模型中，进行模型拟合构建；步骤3：将小波去噪后的时间序列数据进行LSTM模型构建，对用水量进行预测；步骤4：设置权值系数，将Prophet模型和LSTM模型进行整合，将预测结果进行集成。本发明结合化工企业用水量时序数据的特点，采用数字信号处理技术进行小波去噪，这样对之后进行时序数据建模，模型的拟合更加有效、预测更加精准。

技术领域

本发明涉及用水量趋势预测技术领域，具体地，涉及一种基于小波分析与混合模型的用水量趋势预测方法和系统。尤其地，涉及一种基于小波分析与Prophet和LSTM模型的用水量趋势预测方法。

背景技术

化工行业是国民经济中不可或缺的重要组成部分，并且渗透人民生活的方方面面，其发展走可持续发展道路对人类经济、社会发展有十分现实重要的意义。化工园区的节能用水也是走可持续发展道路的一项重要体现。化工园区企业用水主要是用于生产活动，而企业的生产活动具有较强的规律性，一般收到企业自身产能、生产规划、行业发展、节假日等影响。如何合理的分配水资源进行供水显得尤为突出。

为了分析化工园区企业用水的趋势规律以及对企业用水做合理的预测评估，经检索《几种AR和ARMA模型对城市用水量预测的比较》以及《基于时间序列模型的水资源未来发展预测数据分析》等论文提出的技术方案都是直接采用自回归系列方式，通过确定参数进行预测未来趋势。

专利文献CN103218536A(申请号：CN201310151022.3)公开了一种跨越式发展地区需水预测方法，其步骤为：S1、确定经济发展轨迹特征参数；S2、预测经济社会发展情景；S3、确定经济社会发展与需水的定量关系；S4、基于系统动力学模型的需水预测；S5、需水预测成果的多途径校验。

自回归系列方式进行时间序列分析是通过建立动态分析模型，研究化工园区企业用水趋势和预测的一类常用方法。首先由于观测误差等其他因素的影响，常规的时序分析方法往往不能准确进行预测，且仅适用于短期预测，对于中长期表现不佳。其次由于化工企业用水在节假日等特殊时间点用水量较正常工作日是存在较大差异的，自回归系列方法是无法处理由于节假日、特殊时点等带来的变点问题。最后自回归系列的模型的解耦能力较差，无法分析出影响准确率的潜在因素。

发明内容

针对现有技术中的缺陷，本发明的目的是提供一种基于小波分析与混合模型的用水量趋势预测方法和系统。

根据本发明提供的基于小波分析与混合模型的用水量趋势预测方法，包括：

步骤1：对用水量进行监测，获得原始时间序列数据，并通过数字信号处理技术进行小波去噪；

步骤2：将小波去噪后的时间序列数据添加到Prophet模型中，进行模型拟合构建；

步骤3：将小波去噪后的时间序列数据进行LSTM模型构建，对用水量进行预测；

步骤4：设置权值系数，将Prophet模型和LSTM模型进行整合，将预测结果进行集成。

优选的，所述步骤1包括：通过小波分析法对用水量时序数据去噪，先对有噪声的监测数据进行预处理，然后进行分解监测到的用水量时序数据，采用设置门限阈值的方式处理小波系数，最后对数据进行重构。

优选的，所述步骤2包括：对用水量时序数据进行曲线拟合，同时分析时序数据中的包括周期性、趋势性和节假日效应的时间序列特征；

先对用水量时序数据绘制数据趋势图，然后初始化Prophet模型，根据经验对变化点进行设置，提高增长趋势对变化的敏感程度，并指定相应的预测区间和预测频率；