[發明專利]基于大數據的日用水量預測方法

有效

• 申請號: 202010147045.7
• 申請日: 2020-03-05
• 公開（公告）號: CN111210093B
• 公開（公告）日: 2023-05-09
• 發明（設計）人: 白斌
• 申請（專利權）人: 重慶森鑫炬科技有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/0631;G06Q50/06;G06N20/00
• 代理公司: 重慶金橙專利代理事務所(普通合伙) 50273
• 代理人: 唐健玲

1.一種基于大數據的日用水量預測方法，其特征在于，包括步驟：

S1：對包括日用水量、天氣、溫度、風速、降雨量的歷史數據集進行預處理；

S2：對預處理后的歷史數據集進行特征構建，以提取時間特征、基礎統計特征、延遲特征和組合特征；

S3：將構建好的歷史數據集輸入多個機器學習模型分別進行單模型訓練；

S4：采用均方根誤差在0.02～0.03之間，且兩兩單模型的均方根誤差之間的差值不超過其中一個單模型的均方根誤差的10％的多個單模型進行模型融合，以得組合模型，且使所述組合模型的均方根誤差在0.02～0.03之間；

S5：將下一天的日用水量數據按步驟S1和S2處理后帶入所述組合模型，以預測下一天的日用水量；

均方根誤差在0.02～0.03之間，且兩兩單模型的均方根誤差之間的差值不超過其中一個單模型的均方根誤差的10％的單模型包括：LASSO、ElasticNet、KernelRidge、GBOOST和XGBOOST，所述步驟S4包括：

以單模型LASSO、ElasticNet、KernelRidge、和GBOOST作為初級學習器為基礎構建平均模型AveragingModels；

以ElasticNet、KernelRidge和GBOOST分別作為所述初級學習器，通過學習后生成新數據集，用于訓練次級學習器LASSO，以得StackingAveragedModels；

將XGBOOST、AveragingModels和StackingAveragedModels乘上各自預設的融合系數，進行加權求和，得到所述用于下一天日用水量預測的組合模型。

2.如權利要求1所述的基于大數據的日用水量預測方法，其特征在于，所述步驟S1中預處理包括：異常值處理、缺失值處理和重復值處理。

3.如權利要求2所述的基于大數據的日用水量預測方法，其特征在于，所述步驟S1中，對于日用水量的異常值處理方式為：用前一天和后一天的數據均值填充，對于日用水量的缺失值處理方式為：使用隨機森林回歸填補缺失值。

4.如權利要求1所述的基于大數據的日用水量預測方法，其特征在于，所述步驟S2包括：

構建基礎特征：統計溫度，計算日用水量的均值、方差、最大值、最小值和中位數，畫出正態分布，作出溫度與日用水量的分布曲線，統計天氣、風速、風向的數量；

構建時間特征：對歷史數據加入月份特征以及工作日或周末特征；

構建延遲特征：加入前面三天的用水量作為特征，加入上周這一天的用水量作為特征，加入前七天用水量的平均值作為特征；

提取組合特征：加入之前相似的最高溫度/最低溫度的用水均值當作特征，如果有特征缺失，將前三天用水量的平均值插入；

將天氣、風速、風向、周末、月份變量進行one-hot離散處理。

5.如權利要求4所述的基于大數據的日用水量預測方法，其特征在于，所述步驟S2中，在進行特征構建之間，還包括：將日用水量進行log縮放。