[發明專利]基于相空間重構和基因表達式編程的日用水量預測方法

在審

• 申請號: 202111359125.X
• 申請日: 2021-11-17
• 公開（公告）號: CN113962483A
• 公開（公告）日: 2022-01-21
• 發明（設計）人: 張英杰;孫慶帥;李佳林
• 申請（專利權）人: 湖南大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06;G06N3/12
• 代理公司: 長沙麓創時代專利代理事務所(普通合伙) 43249
• 代理人: 賈慶

本發明提供一種基于相空間重構和基因表達式編程的日用水量預測方法，包括如下步驟：采集供水管網的歷史用水量數據，形成訓練集；針對所述訓練集中任意點，基于相空間重構方法計算互信息和虛假臨近點獲取最佳的延遲時間和嵌入維數，對訓練集進行重構；用基因表達式編程模型對重構后的訓練集進行訓練，構建基于角度的收斂函數，訓練直至收斂，最終得到用水量預測的函數式，利用所述函數式進行日用水量的預測。本發明提供的基于相空間重構和基因表達式編程的日用水量預測方法利用相空間重構方法有利于指導相關技術人員加強對供水系統的認知，同時可以快速的收斂到一個最優目標。

【技術領域】

本發明涉及供水管網技術領域，具體涉及一種基于相空間重構和基因表達式編程的日用水量預測方法。

【背景技術】

用水量預測分為短期預測和中長期預測。中長期預測通常為月和年用水量預測，主要用于城市供水管網建設的優化。短期預測通常為時和日用水量預測，主要用來對供水系統進行優化配置。準確的日用水量預測可以提高供水系統的管理效率并降低調度成本節約資源。近些年，數據驅動的方法在用水量預測問題上得到了廣泛應用。預測中，大量的算法除了需要歷史用水量數據還要求有溫度、人口、降水量等多個相關變量的歷史數據，以提高模型準確率。但是，在實際應用中并非所有的水務公司都能按要求提供大量的多維數據，而用水量數據是最基本的保障。面對該問題，研究者提出了自回歸綜合移動平均模型(ARIMA)、人工神經網絡(ANN)、支持向量機模型(SVM)、極限學習機模型(ELM)和長短期記憶網絡模型(LSTM)等多種預測模型。但是這些模型大多數存在模型參數過多，訓練耗時的問題，并且需要較高的采樣頻率。不適用于每日僅采集一個數據的管網用水量預測任務。因此，實有必要提供一種基于相空間重構和基因表達式編程的日用水量預測方法以解決上述問題。

【發明內容】

本發明公開了一種基于相空間重構和基因表達式編程的日用水量預測方法，利用相空間重構方法將一維數據映射到多維空間，增加數據的信息量，有利于更好的辨識系統，然后采用基因表達式編程模型得出一個確定的數學模型，有利于指導相關技術人員加強對供水系統的認知，同時可以快速的收斂到一個最優目標。

為實現上述目的，本發明的技術方案為：

一種基于相空間重構和基因表達式編程的日用水量預測方法，包括如下步驟：

S1：采集供水管網的歷史用水量數據，形成訓練集；

S2：針對所述訓練集中任意點，基于相空間重構方法計算互信息和虛假臨近點獲取最佳的延遲時間和嵌入維數，對訓練集進行重構；

S3：用基因表達式編程模型對重構后的訓練集進行訓練，構建基于角度的收斂函數，訓練直至收斂，最終得到用水量預測的函數式，利用所述函數式進行日用水量的預測。

優選的，所述步驟S2包括如下步驟：

S21：歷史用水量數據的時間序列為x＝(x₁，x₂，…x_n)，n為歷史用水量數據的采集天數，通過相空間重構得到m維相空間如下：

其中，m為嵌入維數，τ為延遲時間；

S22：延遲時間τ通過互信息法獲取，對于供水時間序列X，求解向量X_i和X_i+τ的互信息I_τ，公式如下：

其中，P(X_i)和P(X_i+τ)分別是向量X_i和X_i+τ的概率，P(X_i，X_i+τ)是向量X_i和X_i+τ聯合分布概率，取互信息I_τ第一個極小值所對應的τ為最佳延遲時間；