一种城市供水管网流量预测方法技术

本发明专利技术公开了一种城市供水管网流量预测方法，方法包括以下步骤：步骤1、获取城市供水管网的流量数据序列；步骤2、采用CEEMDAN分解算法将流量数据序列分解为本征模态函数IMF分量以及残差；步骤3、采用KPCA算法对本征模态函数IMF分量和残差进行降维处理，得到降维后的数据；步骤4、将降维后的数据和流量数据序列进行归一化后划分为训练集和测试集，采用训练集对循环神经网络进行训练后，再将测试集输入至训练好的循环神经网络进行预测。本发明专利技术提高了预测精度，为城市供水管网的压力调控和优化调度提供决策支持。

【技术实现步骤摘要】

本专利技术涉及供水管网流量预测方法领域，具体是一种城市供水管网流量预测方法。

技术介绍

1、供水管网是城市基础建设的重要组成部分，不仅直接关系到城市人民的生活质量而且极大地影响城市的经济发展。针对供水压力不足、供水量无法满足实际需求的情况，进行合理的流量预测可以提前改变供水压力，提升供水质量，同时流量预测也对供水管网的优化调度起到重要作用。

2、供水管网的流量数据是典型的时序型数列。目前，传统的统计学方法和机器学习是预测时序型数据的常用方法。但是供水管网的流量数据是非线性、非光滑的，无法有效降低历史数据序列的非平稳性，时间序列中也存在部分噪声和异常值，这导致许多传统的供水管网流量预测方法很难获得满意的预测结果。针对这一问题，一些城市需水量预测融入了信号分解技术，例如经验模态分解(emd)、集合经验模态分解(eemd)和自适应噪声集合经验模态分解(ceemdan)。然而，采用信号分解后的数据存在大量冗余特征，这些特征对于建模没有帮助，甚至会影响模型性能，不能进一步提升预测精度。

技术实现思路

1、本本文档来自技高网...

【技术保护点】

1.一种城市供水管网流量预测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种城市供水管网流量预测方法，其特征在于，步骤1中预处理包括异常值剔除处理。

3.根据权利要求1所述的一种城市供水管网流量预测方法，其特征在于，步骤2中采用CEEMDAN分解算法分解的过程如下：

4.根据权利要求1所述的一种城市供水管网流量预测方法，其特征在于，步骤3中采用KPCA算法降维处理的过程如下：

5.根据权利要求1所述的一种城市供水管网流量预测方法，其特征在于，所述循环神经网络为LSTM神经网络。

6.根据权利要求5所述的一种城市供水...

【技术特征摘要】

1.一种城市供水管网流量预测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种城市供水管网流量预测方法，其特征在于，步骤1中预处理包括异常值剔除处理。

3.根据权利要求1所述的一种城市供水管网流量预测方法，其特征在于，步骤2中采用ceemdan分解算法分解的过程如下：

4.根据权利要求1所述的一种城市供水管网流量预测方法，其特征在于，步骤3中采用kpca算法降维处理的过程如下：

【专利技术属性】
技术研发人员：夏巍，陈亚琦，梁祥莹，
申请(专利权)人：安徽建筑大学，
类型：发明
国别省市：