[发明专利]基于大数据的月用水量预测方法

说明书

本发明涉及大数据技术领域，公开了一种基于大数据的月用水量预测方法，包括步骤：S1：对月用水数据集进行预处理操作；S2：根据预处理操作后的月用水数据集的特征判断数据集类型，以提取满足月总水量类型的特征和月特征条件水量类型的特征的月用水数据集；S3：对满足步骤S2中条件的月用水数据集进行特征工程操作；S4：将步骤S3之后的月用水数据集划分成特征集x和标签集y，再将特征集划分成训练集x_train和测试集x_test；将标签集划分成训练集y_train和测试集y_test；S5：采用多个预设算法对步骤S4中划分后训练集和测试集进行建模并预测，再将多个预设算法结合y_test进行组合预测，以预测得到下一个月的用水量。本发明预测结果准确率较高，预测结果稳定。

技术领域

本发明涉及大数据应用技术领域，特别涉及一种基于大数据的月用水量预 测方法。

背景技术

在任何短期或者长期的管理计划中，城市需水量预测都是至关重要的一个 环节。随着人口的增长、全球变暖，在经济快速发展的城市，对用水的需求变 大，并且现在水资源匮乏，因此现在许多国家都面临水资源断缺的问题，所以 水资源的规划和管理很重要。城市用水量预测在城市建设规划、输配水系统的 优化调度中具有重要的作用，气候、季节、长节假日、城市建设等对中长期用水量影响比较大。水需求预测对于帮助决策者做出更好的决策并启发决策者进 行水资源分配以最大化长期价值和可用资源的可靠性所需的资本投资非常重 要。现阶段有很多月用水量预测的方法，主要分为两大类：直接推测和模型预测。

直接推测包括：

(1)单位人口综合用水量指标法：根据地区历年人均综合用水量的情况，并 参照同类城市人均用水量指标，确定本地区单位人口综合用水指标。

(2)单位用地面积综合用水量指标法：根据地区水资源和地区用水情况，确 定单位用地面积用水指标。

(3)分类用水定额指标法：根据《城市给水工程规划规范》及当地水资源状 况，确定用水标准。

直接推测法考虑的数据较少，一般为相似城市的用水状况或工程规划规范， 为一个固定参考值。但是不同城市的规模大小不同，用户性质不同，地域不同， 自然条件不同，用水习惯不同，用水量的差异也是较大的。所以直接推测法的 准确度较低，一般用于参考数据较少，适用于没有历史数据的新区规划用水量预测。

模型预测包括：

随着大数据、机器学习、人工智能的发展，大家在模型预测用水量方面有 了较多的探索，比较常见的有以下几种方式：

(1)单算法预测：利用机器学习、人工智能中的某种算法单独的对用水量进 行预测，常用的算法有线性回归、灰色系统理论、贝叶斯、神经网络等。

(2)组合模型预测：现有的组合模型预测多是先用多种算法对用水量进行预 测，然后按照一定的权重对第一步预测结果进行加权平均，再得到最终结果。

单算法预测受限于训练数据的多少，预测结果不稳定，每种算法都有自身 的缺陷，准确度较低。加权平均的组合模型预测难以确认每种算法最优的权重。 预测结果也有较大误差。

总之，现有的预测方法存在预测准确度较低，稳定性低的问题。

发明内容

本发明提出一种基于大数据的月用水量预测方法，解决现有技术中存在的 上述技术问题。

本发明的一种基于大数据的月用水量预测方法，包括步骤：

S1：对月用水数据集进行预处理操作；

S2：根据预处理操作后的月用水数据集的特征判断数据集类型，以提取满 足月总水量类型的特征和月特征条件水量类型的特征的月用水数据集；

S3：对满足步骤S2中条件的月用水数据集进行特征工程操作；