一种基于灰色线性回归-马尔科夫链模型的需水预测方法技术

本发明专利技术公开了一种基于灰色线性回归

【技术实现步骤摘要】
一种基于灰色线性回归
‑
马尔科夫链模型的需水预测方法


[0001]本专利技术涉及一种基于灰色线性回归
‑
马尔科夫链模型的需水预测方法，属于需水预测研究


技术介绍

[0002]需水预测是水资源规划与管理的重要内容之一，也是供水系统优化调度管理的重要部分，对需水量进行准确预测有助于解决水资源供需矛盾。由于需水量受经济社会等多方面因素及其他不确定因素的影响，因此实现需水量的准确预测十分困难。目前常用的需水预测方法有用水定额法、系统动力学法、人工神经网络法、支持向量机、回归法、灰色模型法等。
[0003]用水定额法以各行业用水定额为主要参数预测需水量，需要准确度高的定额资料，且不便于对结果进行分析；系统动力学法以反馈控制理论为基础，预测结果的好坏依赖于预测者的专业知识、实践经验及系统分析建模能力，不能灵活适应客观环境的变化；人工神经网络法需要样本数据多，不易确定隐含层神经元的数目，且可能陷于局部极小；支持向量机对训练样本数量要求不多，但学习参数的选取需依靠经验，将对预测精度产生影响；回归分析法计算较本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于灰色线性回归
‑
马尔科夫链模型的需水预测方法，其特征在于，包括：获取历史需水量数据；基于卡尔曼滤波对历史需水量数据进行处理；将经过卡尔曼滤波处理的数据输入灰色需水预测模型，在灰色需水预测模型基础上，引入线性方程，构建灰色线性回归组合模型；采用最小二乘法，求解灰色线性回归组合模型参数，再进行还原处理，得到原始序列的预测值；引入马尔科夫链理论对实际需水量与灰色线性回归模型预测结果的相对值区间进行修正，得到最终优化预测值。2.根据权利要求1所述的基于灰色线性回归
‑
马尔科夫链模型的需水预测方法，其特征在于，所述基于卡尔曼滤波对历史需水量数据进行处理，包括：根据公式得当前状态先验估计值，当前状态先验估计协方差矩阵P
t
‑
＝FP
t
‑1F
T
+Q，式中，为上一时刻状态最优估计值，F为状态转移矩阵，B为控制矩阵，u
t
‑1为上一时刻输入值，P
t
‑1为上一时刻最优估计协方差，Q为过程噪声对应的方差；根据公式得当前状态最优估计值，式中，K
t
为卡尔曼增益，根据公式K
t
＝P
t
‑
H
T
(HP
t
‑
H
T
+R)
‑1求得，Z
t
为当前时刻观测值，H为观测矩阵，R为观测噪声对应的方差，当前状态最优估计协方差矩阵P
t
＝(I
‑
K
t
H)P
t
‑
，初始化参数P0＝1，R＝0.01，代入公式迭代后得卡尔曼滤波处理的需水量序列X
(0)
。3.根据权利要求2所述的基于灰色线性回归
‑
马尔科夫链模型的需水预测方法，其特征在于，所述将经过卡尔曼滤波处理的数据输入灰色需水预测模型，在灰色需水预测模型基础上，引入线性方程，构建灰色线性回归组合模型，包括：将经过卡尔曼滤波处理的需水量序列，经过累加生成得到有规律的时间序列，再经过均值生成得到模型的背景值序列，将生成的背景值序列结合灰色差分方程构造模型的基本形式x
(0)
(k)+az
(1)
(k)＝b，其中，
‑
a为模型的发展系数，b为灰色作用量。4.根据权利要求1所述的基于灰色线性回归
‑
马尔科夫链模型的需水预测方法，其特征在于，所述采用最小二乘法，求解灰色线性回归组合模型参数，再进行还原处理，得到原始序列的预测值，包括：结合最小二乘法思想求解模型参数向量，将所求参数a、b代入白化微分方程求得GM(1,1)的时间响应序列引入线性部分，上述时间响应序列改为其中，l1、l3、λ为简化所得参数，l2为线性方程所引入的参数；利用最小二乘法求解待定参数，令设...

【专利技术属性】
技术研发人员：杨晔，赵玉娇，鞠军，李书明，卓四明，赖新芳，
申请(专利权)人：南京河海南自水电自动化有限公司，
类型：发明
国别省市：