数据驱动的上海市日需水量预报建模研究

作者：黄宇斌; 袁景淇; 汪瑞清; 赵平伟

来源：控制工程, 2010, S2: 58-60.

DOI：10.14107/j.cnki.kzgc.2010.s2.009

• 城市需水量
• 人工神经网络
• 支持向量机
• 预报 city water demand
• artificial neural network
• support vector machine
• forecast

为了提高城市供水调度的品质和效率,需要高精度的日需水量预报信息作为参考。分析影响城市需水量变化的主要因素,以近期需水量、降水及气温实测值为输入,辅以星期、节假日信息校正,采用RBF神经网络与支持向量机相结合的数据驱动建模技术,进行超前一天需水量预报研究。为了提高黑箱模型的训练效果,对数据进行一系列预处理,包括分离出历史需水量中的变化量;提取降水量的连续等级信息;非线性处理温度对需水量的影响。通过模型验证,结果表明预报误差在1%以内的占总预报天数的62.0%。

• 单位
  上海市供水调度监测中心; 上海交通大学