【技术实现步骤摘要】
本专利技术涉及泵站控制的，特别涉及基于组合预测模型的泵站供水量预测方法。
技术介绍
1、随着社会经济发展和城市化进程不断加快，工业和生活用水量逐年增加，用水需求不断增加，导致泵站供水系统调度复杂性也逐年提高。为满足用户对用水量和用水水质的要求，有效预测泵站的供水量，对实现工业和居民用水量稳定的前提下保证用水安全有着十分重要的现实意义。同时，用水量预测对供水泵站及时调度决策，对机组高效运行也具有重要意义，属于泵站优化运行实施的基础和前提。供水泵站因用户端包含诸多类型，各个类型在一天中有着不同的用水规律特征，通常在一天中出现较宽范围的流量变化，因此有必要对各时刻下的用水量进行定量预测。用水量预测方法众多，其中灰色模型、定额法、时间序列法、神经网络法等方法已得到广泛应用。但是用水量受气候状况（包括气温、风速、降雨量等），日类型（包括节假日、季节等），社会因素（包括人口、政策导向等）等多方面因素的影响，序列通常呈现震荡趋势，单一模型难以体现其非线性特征，预测精度较低。
技术实现思路
1、针对现有技术存在的缺陷，本专利技术提供基于组合预测模型的泵站供水量预测方法，其基于方差—协方差法对灰色预测模型与滑动平均模型进行组合，建立相应针对用水量的组合预测模型以此对泵站用水量进行计算，该组合预测模型综合利用各种单个预测模型所提供的信息，对每个预测模型进行加权平均，能有效减弱单个模型信息缺失带来的影响；通过单个预测模型、组合预测模型将预测用水量与实际用水量进行对比分析，并引入平均绝对误差mae和平均百
2、本专利技术提供基于组合预测模型的泵站供水量预测方法，包括如下步骤：
3、步骤s1，对泵站进行监测，得到所述泵站在历史时期的用水量数据集合，并对所述用水量数据集合的数据进行预处理；基于所述历史时期对应的外界环境因素，将所述用水量数据集合划分为对应不同外界环境因素的用水量子数据集合，并对所有用水量子数据集合进行标识；
4、步骤s2，基于灰色预测模型的第一模型属性信息，从中选择匹配的若干用水量子数据集合，并对选择的用水量子数据集合进行关于所述灰色预测模型的预测处理，得到相应的第一用水量预测结果；并对所述第一用水量预测结果进行筛查预处理；
5、步骤s3，基于滑动平均模型的第二模型属性信息，从中选择匹配的若干用水量子数据集合，并对选择的用水量子数据集合进行关于所述滑动平均模型的预测处理，得到相应的第二用水量预测结果；并对所述第二用水量预测结果进行筛查预处理；
6、步骤s4，对所述第一用水量预测结果和所述第二用水量预测结果进行方差关联计算处理，得到所述灰色预测模型和所述滑动平均模型各自对应的权系数信息；再基于所述权系数信息，确定所述泵站对应的组合预测模型的用水量预测结果。
7、在本申请公开的一个实施例中，在所述步骤s1中，对泵站进行监测，得到所述泵站在历史时期的用水量数据集合，并对所述用水量数据集合的数据进行预处理，包括：
8、对泵站的抽水端和供水端分别进行连续监测，得到所述抽水端和所述供水端在历史时期内的抽水量数据和供水量数据；基于所述泵站在运行过程中的输水损耗特征信息，分别对所述抽水量数据和所述供水量数据进行修正；基于修正后的抽水量数据和供水量数据，生成所述泵站在所述历史时期内的用水量数据集合；再对所述用水量数据集合包含的所有用水量数据进行坏点数据和重复数据剔除预处理。
9、在本申请公开的一个实施例中，在所述步骤s1中，基于所述历史时期对应的外界环境因素，将所述用水量数据集合划分为对应不同外界环境因素的用水量子数据集合，包括：
10、在对所述泵站进行连续监测过程中同步对所述泵站所处外界环境进行降水监测，得到所述历史时期对应的外界环境降水数据；基于所述外界环境降水数据，将所述历史时期划分为若干干旱子时期和若干非干旱子时期；再基于所有干旱子时期和所有非干旱子时期各自在所述历史时期的分布时间区间，将所述用水量数据集合划分为若干用水量子数据集合。
11、在本申请公开的一个实施例中，在所述步骤s1中，并对所有用水量子数据集合进行标识，包括：
12、对所有用水量子数据集合分别进行标识，确定每个用水量子数据集合属于干旱子时期还是非干旱子时期的用水量子数据集合。
13、在本申请公开的一个实施例中，在所述步骤s2中，基于灰色预测模型的第一模型属性信息，从中选择匹配的若干用水量子数据集合，并对选择的用水量子数据集合进行关于所述灰色预测模型的预测处理，得到相应的第一用水量预测结果，包括：
14、基于灰色预测模型的最大允许数据处理量，从所有用水量子数据集合中选择匹配的若干用水量子数据集合，从而使选择的所有用水量子数据集合的总数据量不小于所述最大允许数据处理量以及选择的所有用水量子数据集合中对应于干旱子时期和非干旱子时期的用水量子数据集合之间的数据量差值在预设数据量差值范围内；
15、对选择的所有用水量子数据集合进行用水量数据序列转换处理，生成相应的用水量数据序列集合；再对所述用水量数据序列集合进行关于所述灰色预测模型的预测处理，得到相应的第一用水量预测结果。
16、在本申请公开的一个实施例中，在所述步骤s2中，并对所述第一用水量预测结果进行筛查预处理，包括：
17、对所述第一用水量预测结果下属所有结果数据进行错误数据点筛查和剔除预处理。
18、在本申请公开的一个实施例中，在所述步骤s3中，基于滑动平均模型的第二模型属性信息，从中选择匹配的若干用水量子数据集合，并对选择的用水量子数据集合进行关于所述滑动平均模型的预测处理，得到相应的第二用水量预测结果，包括：
19、基于滑动平均模型的最大允许数据处理量，从所有用水量子数据集合中选择匹配的若干用水量子数据集合，从而使选择的所有用水量子数据集合的总数据量不小于所述最大允许数据处理量以及选择的所有用水量子数据集合中对应于干旱子时期和非干旱子时期的用水量子数据集合之间的数据量差值在预设数据量差值范围内；并且对所述滑动平均模型选择匹配的若干用水量子数据集合和对所述灰色预测模型选择匹配的若干用水量子数据集合之间的数据重复率不超过预设重复率阈值；
20、对选择的所有用水量子数据集合进行用水量数据序列转换处理，生成相应的用水量数据序列集合；再对所述用水量数据序列集合进行关于所述滑动平均模型的预测处理，得到相应的第二用水量预测结果。
21、在本申请公开的一个实施例中，在所述步骤s3中，并对所述第二用水量预测结果进行筛查预处理，包括：
22、对所述第二用水量预测结果下属所有结果数据进行错误数据点筛查和剔除预处理。
23、在本申请公开的一个实施例中，在所述步骤s4中，对所述第一用水量预测结果和所述第二本文档来自技高网...
【技术保护点】
1.基于组合预测模型的泵站供水量预测方法，其特征在于，包括如下步骤：
2.如权利要求1所述的基于组合预测模型的泵站供水量预测方法，其特征在于：
3.如权利要求2所述的基于组合预测模型的泵站供水量预测方法，其特征在于：
4.如权利要求3所述的基于组合预测模型的泵站供水量预测方法，其特征在于：
5.如权利要求4所述的基于组合预测模型的泵站供水量预测方法，其特征在于：
6.如权利要求5所述的基于组合预测模型的泵站供水量预测方法，其特征在于：
7.如权利要求6所述的基于组合预测模型的泵站供水量预测方法，其特征在于：
8.如权利要求7所述的基于组合预测模型的泵站供水量预测方法，其特征在于：
9.如权利要求1所述的基于组合预测模型的泵站供水量预测方法，其特征在于：
10.如权利要求9所述的基于组合预测模型的泵站供水量预测方法，其特征在于：
【技术特征摘要】
1.基于组合预测模型的泵站供水量预测方法，其特征在于，包括如下步骤：
2.如权利要求1所述的基于组合预测模型的泵站供水量预测方法，其特征在于：
3.如权利要求2所述的基于组合预测模型的泵站供水量预测方法，其特征在于：
4.如权利要求3所述的基于组合预测模型的泵站供水量预测方法，其特征在于：
5.如权利要求4所述的基于组合预测模型的泵站供水量预测方法，其特征在于：
<...【专利技术属性】
技术研发人员：宋冬梅，刘雪垠，陈小明，邓宏盛，张衡镜，李天赐，张智清，
申请(专利权)人：四川省机械研究设计院集团有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。