[發(fā)明專利]基于大數(shù)據(jù)的月用水量預(yù)測(cè)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202010210793.5
• 申請(qǐng)日: 2020-03-24
• 公開(kāi)（公告）號(hào): CN111507507B
• 公開(kāi)（公告）日: 2023-04-18
• 發(fā)明（設(shè)計(jì)）人: 白斌
• 申請(qǐng)（專利權(quán)）人: 重慶森鑫炬科技有限公司
• 主分類號(hào): G06Q10/04
• 分類號(hào): G06Q10/04;G06N20/00;G06Q10/0631;G06Q50/06
• 代理公司: 重慶金橙專利代理事務(wù)所(普通合伙) 50273
• 代理人: 唐健玲

1.一種基于大數(shù)據(jù)的月用水量預(yù)測(cè)方法，其特征在于，包括步驟：

S1：對(duì)月用水?dāng)?shù)據(jù)集進(jìn)行預(yù)處理操作；

S2：根據(jù)預(yù)處理操作后的月用水?dāng)?shù)據(jù)集的特征判斷數(shù)據(jù)集類型，以提取滿足月總水量類型的特征和月特征條件水量類型的特征的月用水?dāng)?shù)據(jù)集；

S3：對(duì)滿足步驟S2中條件的月用水?dāng)?shù)據(jù)集進(jìn)行特征工程操作；

S4：將步驟S3之后的月用水?dāng)?shù)據(jù)集劃分成特征集x和標(biāo)簽集y，再將特征集劃分成訓(xùn)練集x_train和測(cè)試集x_test；將標(biāo)簽集劃分成訓(xùn)練集y_train和測(cè)試集y_test；

S5：采用多個(gè)預(yù)設(shè)算法對(duì)步驟S4中劃分后訓(xùn)練集和測(cè)試集進(jìn)行建模并預(yù)測(cè)，且保證多次預(yù)測(cè)的預(yù)測(cè)結(jié)果的均方誤差最小，并得到各個(gè)預(yù)測(cè)結(jié)果的相關(guān)系數(shù)由小到大的排列順序，再將多個(gè)預(yù)設(shè)算法按所述由小到大的順序結(jié)合y_test進(jìn)行組合預(yù)測(cè)，以預(yù)測(cè)得到下一個(gè)月的用水量；

所述多個(gè)預(yù)設(shè)算法包括：KNN回歸算法、線性回歸算法、回歸樹(shù)算法、支持向量機(jī)回歸算法和BP神經(jīng)網(wǎng)絡(luò)算法；

所述步驟S5包括步驟：

S501：采用KNN回歸算法、線性回歸算法、回歸樹(shù)算法、支持向量機(jī)回歸算法和BP神經(jīng)網(wǎng)絡(luò)算法分別針對(duì)所述訓(xùn)練集和測(cè)試集建立預(yù)測(cè)模型并預(yù)測(cè)，且對(duì)于每個(gè)算法，多次預(yù)測(cè)的預(yù)測(cè)結(jié)果的均方誤差最小時(shí)，得到各預(yù)測(cè)結(jié)果的相關(guān)系數(shù)；

S502：將上述算法按相關(guān)系數(shù)由小到大排列為：線性回歸算法、KNN回歸算法、支持向量機(jī)回歸算法、BP神經(jīng)網(wǎng)絡(luò)算法和回歸樹(shù)算法；

S503：采用線性回歸算法根據(jù)所述訓(xùn)練集和測(cè)試集構(gòu)建預(yù)測(cè)模型并預(yù)測(cè)得到第一預(yù)測(cè)結(jié)果；

S504：將第一預(yù)測(cè)結(jié)果與所述y_test求平均值，將該平均值作用新特征加入當(dāng)前的訓(xùn)練集和測(cè)試集；

S505：采用KNN回歸算法根據(jù)步驟S504得到的訓(xùn)練集和測(cè)試集構(gòu)建預(yù)測(cè)模型并預(yù)測(cè)得到第二預(yù)測(cè)結(jié)果；

S506：將第二預(yù)測(cè)結(jié)果與所述y_test求平均值，將該平均值作用新特征加入當(dāng)前的訓(xùn)練集和測(cè)試集；

S507：采用支持向量機(jī)回歸算法根據(jù)步驟S506得到的訓(xùn)練集和測(cè)試集構(gòu)建預(yù)測(cè)模型并預(yù)測(cè)得到第三預(yù)測(cè)結(jié)果；

S508：將第三預(yù)測(cè)結(jié)果與所述y_test求平均值，將該平均值作用新特征加入當(dāng)前的訓(xùn)練集和測(cè)試集；

S509：采用BP神經(jīng)網(wǎng)絡(luò)算法根據(jù)步驟S508得到的訓(xùn)練集和測(cè)試集構(gòu)建預(yù)測(cè)模型并預(yù)測(cè)得到第四預(yù)測(cè)結(jié)果；

S510：將第四預(yù)測(cè)結(jié)果與所述y_test求平均值，將該平均值作用新特征加入當(dāng)前的訓(xùn)練集和測(cè)試集；

S511：采用回歸樹(shù)算法根據(jù)步驟S510得到的訓(xùn)練集和測(cè)試集構(gòu)建預(yù)測(cè)模型并預(yù)測(cè)得到第五預(yù)測(cè)結(jié)果，所述第五預(yù)測(cè)結(jié)果即為所述下一個(gè)月的用水量。

2.如權(quán)利要求1所述的基于大數(shù)據(jù)的月用水量預(yù)測(cè)方法，其特征在于，所述步驟S1中預(yù)處理操作包括：異常值處理、缺失值處理、時(shí)間特征提取及選取均勻數(shù)據(jù)。

3.如權(quán)利要求1所述的基于大數(shù)據(jù)的月用水量預(yù)測(cè)方法，其特征在于，所述步驟S2包括：

判斷水表口徑特征是否存在于月用水?dāng)?shù)據(jù)集中；

若存在，則月用水?dāng)?shù)據(jù)集為滿足月特征條件水量類型特征的數(shù)據(jù)集；

若不存在，則判斷月用水?dāng)?shù)據(jù)集中是否有且僅有年和月的特征；

若有，則月用水?dāng)?shù)據(jù)集為滿足月總水量類型特征的數(shù)據(jù)集，否則，報(bào)錯(cuò)，提示檢查導(dǎo)入月用水?dāng)?shù)據(jù)集類型是否正確。

4.如權(quán)利要求1所述的基于大數(shù)據(jù)的月用水量預(yù)測(cè)方法，其特征在于，所述步驟S4中，訓(xùn)練集與測(cè)試集的比例為75％:25％。

5.如權(quán)利要求1～4中任一項(xiàng)所述的基于大數(shù)據(jù)的月用水量預(yù)測(cè)方法，其特征在于，所述步驟S5之后還包括，對(duì)預(yù)測(cè)的下一個(gè)月的用水量進(jìn)行反歸一化操作。