[发明专利]一种基于时间序列的用水量预测方法、系统及设备

权利要求书

1.一种基于时间序列的用水量预测方法，其特征在于，包括，

获取历史水流量，建立实际数据集；

采用预先优化的最小二乘支持向量机对所述实际数据集进行处理，得到预测的水流量时间序列；

根据预测的水流量时间序列匹配到设定时间段内，得到对应的预测用水量。

2.根据权利要求1所述的一种基于时间序列的用水量预测方法，其特征在于，所述优化最小二乘支持向量机的优化步骤如下：

随机产生多组模型参数作为种群，每组模型参数是种群中的一个个体，均方误差函数作为适应度函数；

根据种群中每个个体的适应度值将每个个体划分为精英个体和普通个体；

依据种群中历史最优解与种群中当前代全局最优解之间的距离判断是否更新历史最优解为当前代全局最优解；

从精英个体或普通个体中选取最终的种子，根据最终的种子和更新后的历史最优解产生种群中的新个体；

判断新个体的适应度值是否小于上一代个体的适应度值，若为是则依据Nelder-Mead算法选择下一代的个体，否则为第i个计数器count_i加1后大于阈值threshold，则得到基于对立学习后的第i个个体；得到更新后的种群，依据更新后的种群得出全局最优解；

判断是否满足终止条件，若不满足，返回划分精英个体和普通个体步骤继续顺序执行，否则输出全局最优解，全局最优解即最优模型参数，最优模型参数是使适应度函数值最小的参数；

将最小二乘支持向量机的参数更新为最优模型参数，得到预先优化最小二乘支持向量机。

3.根据权利要求2所述的一种基于时间序列的用水量预测方法，其特征在于，依据种群中历史最优解与种群中当前代全局最优解之间的距离判断是否更新历史最优个体为当前代全局最优解的具体步骤如下：

若当前代全局最优解比历史最优个体的适应度值高，计算当前代精英个体中除全局最优解以外的其他解与历史最优解之间的平均欧式距离，如果当前代全局最优解与历史最优解之间的距离大于平均欧式距离，则更新历史最优解为当前代全局最优解。

4.根据权利要求2所述的一种基于时间序列的用水量预测方法，其特征在于，更新历史最优解为当前全局最优解的更新条件如下：

式中：函数Dis用于计算两点之间的欧氏距离，X_best和X_gbest分别代表当前代全局最优解和历史最优解，elites代表精英个体构成的分组，|elites|表示精英分组大小，上式条件满足时，将X_gbest更新为X_best。

5.根据权利要求2所述的一种基于时间序列的用水量预测方法，其特征在于，从精英个体或普通个体中选取最终的种子的具体步骤如下：

对于初始种群中的每个个体，生成一个随机数rand；

若rand＜pe％，以pone％的概率从精英个体中随机选择一个个体TY₁作为最终的种子TY，否则从精英个体中随机选择两个个体TY₁和TY₂作为预选种子；

否则，以pone％的概率从普通个体中随机选择一个个体TY₁作为最终的种子TY，否则从普通个体中随机选择两个个体TY₁和TY₂作为预选种子；

若已产生最终的种子TY，则跳过此步骤；若选择的是两个预选种子TY₁和TY₂，则通过如下公式产生最终的种子TY：

TY＝R×TY₁+(1-R)×TY₂

式中，TY₁和TY₂是选出的预选种子，R是随机数。