科研之友
微信
新浪微博
Facebook
分享链接
摘要
准确预测城市用水量可以对智慧水务调度、报警提供支持，预测前对所有用水量曲线进行聚类可以提高预测的精度。为满足实时性和运行效率的要求，提出基于形态特征的分段聚合近似（shape-basedpiecewise aggregate approximation,SPAA）表示方法，同时为解决传统基于欧氏距离的聚类算法无法包含曲线的形状特征的问题，提出自适应聚类数的基于序列形态相似性的k-shape聚类算法。另外，采用一种基于质心的聚类中心计算方式，提取每类用水量曲线形态。最后，对某水务公司的用水量数据实例进行聚类分析。结果表明，本文所提的SPAA-k-shape算法可以有效降维，减少聚类计算时间，比传统仅考虑欧氏距离的算法更准确。
-
单位自动化学院; 华中科技大学
