差分进化算法-自回归耦合算法城市需水量预测模型制造技术

本发明专利技术公开了城市供水领域的差分进化算法

【技术实现步骤摘要】
差分进化算法
‑
自回归耦合算法城市需水量预测模型


[0001]本专利技术涉及城市供水领域，具体是差分进化算法
‑
自回归耦合算法城市需水量预测模型。

技术介绍

[0002]用水量预测是城市供水系统水力建模和调度的基础，直接影响到水力模型的精度，因此提高用水量预测精度是急待解决的问题。
[0003]用水量预测一般分为两大类，一类是解释性方法，即回归分析方法，解释性方法由于所需的数据种类、数量和精度要求较高，在国外应用较广泛。另一类是时间序列方法，它是一种分析各种有序的离散数据集合的方法，在国内有较广泛的应用。常用的时间序列法主要有指数平滑法、自回归模型(AR)、移动平均模型(MA)、自回归
‑
移动平均模型(ARMA)和自适应过滤法等。
[0004]常规的时间序列预测方法存在以下不足：由于难以适应非平稳或统计特性变化的序列，因此适应性和精度较差。通过将差分进化算法和时间序列方法相结合，通过对时间序列方法中的参数进行优化，可以一定程度上实时地根据输入输出自行调整模型参数，针对新数据的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.差分进化算法
‑
自回归耦合算法城市需水量预测模型，其特征在于，包括以下步骤：S1：确定城市需水量预测模型；S2：对学习样本时间序列进行处理得到零均值；S3：计算学习样本时间序列的自相关系数r
k
；S4：确定模型参数的优化目标函数f；S5：生成模型参数集P，并将模型参数集P设置为目标向量；S6：采用差分进化算法对群体进行初始化；S7：对目标向量采用差分进化算法变异操作，生成变异向量；S8：对变异向量采用差分进化算法杂交操作，生成试验向量；S9：通过选择操作确定最优向量，不断重复优化直至寻到最优个体或达到预定终点判据即所有个体均相同，最优解即为最优模型参数；S10：使用最优模型参数的城市需水量预测模型进行预测。2.根据权利要求1所述的差分进化算法
‑
自回归耦合算法城市需水量预测模型，其特征在于：步骤S1中，城市需水量预测模型可以表述如下式：式中μ为时间序列的平均数，常以时间序列的前n个时期的平均数代替，p为自回归模型的阶数，为自回归系数，e
t
为估计误差。3.根据权利要求1所述的差分进化算法
‑
自回归耦合算法城市需水量预测模型，其特征在于：步骤S2中，选择原始时间序列{x(i)}，对原始数据进行一次差分得到{y(i)}，并对{y(i)}进行零均值处理，具体如下式：{y(i)＝x(i+1)
‑
x(i)，(i＝1，2，
…
，n
‑
1)}{w(i)＝y(i)
‑
E(y(i))，(i＝1，2，
…
，n
‑
1)}。4.根据权利要求1所述的差分进化算法
‑
自回归耦合算法城市需水量预测模型，其特征在于：步骤S3中，时间序列{w(i)}的自相关系数计算公式如下式：5.根据权利要求1所述的差分进化算法
‑
自回归耦合算法城市需水量预测模型，其特征在于：步骤S4中，确定差分进化算法控制参数，确定适应度函数，具体如下式：该算法控制参数包括：种群大小NP、缩放因子F与杂交概率CR。6.根据权利要求1所述的差分进化算法
‑
自回归耦合算法城市需水量预测模型，其特征在于：步骤S5中，随机产生包含一系列N个D维度的实数编码的群。每一代经过N次竞争确定下一代群体的组成，群个体由下式表述：
P
x,g
＝(x
i,g
),i＝0,1,
…
,N
‑
1,g＝0,1,
…
,g
max
,x

【专利技术属性】
技术研发人员：袁文麒，
申请(专利权)人：苏州大淼水务科技有限公司，
类型：发明
国别省市：