基于Adaboost集成模型的城市短期供水量预测方法

作者：高赫余; 王圣; 吴潇勇

来源：净水技术, 2020, 39(05): 164-170.

DOI：10.15890/j.cnki.jsjs.2020.05.027

• 机器学习
• 特征工程
• Adaboost集成模型
• 日供水量预测
• 时供水量预测

为解决供水量预测精度问题,以上海市中心城区历史用水数据为基础,结合影响水量供给的多种因子,利用特征工程相关算法筛选出最优因子组合,采用基于机器学习Adaboost集成模型构建城市供水量预测模型。研究发现:与该市传统的依赖于人工的预测方法相比,日水量模型使预测误差上限由平均10万t/d降低到7万t/d,平均相对误差降低为1.5%;时水量模型使预测误差上限由平均1.5万t/h降低到0.4万t/h,平均相对误差降低为1.9%。同时,与其他的机器学习模型相比,此模型有效可行,能够提高供水量预测精度,降低能耗成本。