基于Bayesian-LSSVM和残差修正的用户短期需水量预测

论文摘要

为有效改善供水管网短期需水量预测模型在预测精度和稳定性方面存在的不足,提出在短期需水量预测模型基础上叠加残差预测模型的组合预测建模方法.首先采用贝叶斯最小二乘支持向量机法（Bayesian-LSSVM）建立管网用户需水量时间序列预测模型（BL模型）,得到需水量预测初始值;对BL模型得到的需水量预测初始值的残差序列,构建基于贝叶斯最小二乘支持向量机法的混沌时间序列预测模型（RM模型）,得到残差预测值;同时将RM模型得到的残差预测值实时补偿到BL模型的需水量预测初始值中,得到经过残差修正的需水量预测值.实例结果表明,RM模型可以准确捕获BL模型需水量预测初始值的残差变化趋势,对其残差序列进行准确预测;在短期需水量预测的精度和稳定性方面,由BL模型和RM模型叠加构成的组合预测模型（BL+RM模型）明显优于单一BL模型;BL+RM模型适用于平均需水量较小、水量波动性较大等不同特点用户的短期需水量预测,可有效满足实际工程的需要.

论文目录

• 1 模型构建的基础理论
•   1.1 最小二乘支持向量机原理
•   1.2 贝叶斯证据框架下的LS-SVM参数确定
•   1.3 混沌时间序列预测
• 2 用户需水量预测步骤
•   2.1 模型输入参数选择
•   2.2 模型预测流程
• 3 实例分析
•   3.1 用户用水模式分析
•   3.2 需水量预测模型的建立
•   3.3 预测结果分析
• 4 结 论

文章来源

类型: 期刊论文

作者: 吴珊,宋凌硕,侯本伟,寇晓霞

关键词: 短期需水量预测,残差修正,贝叶斯最小二乘支持向量机,混沌时间序列预测

来源: 哈尔滨工业大学学报 2019年08期

年度: 2019

分类: 工程科技Ⅱ辑,信息科技

专业: 建筑科学与工程,自动化技术

单位: 北京工业大学建筑工程学院

基金: 国家水体污染控制与治理科技重大专项(2017ZX07108-002),国家自然科学基金(51508528)

分类号: TP18;TU991.31

页码: 88-96

总页数: 9

文件大小: 2612K

下载量: 235