基于Adaboost集成模型的城市短期供水量预测方法

摘要：

为解决供水量预测精度问题,以上海市中心城区历史用水数据为基础,结合影响水量供给的多种因子,利用特征工程相关算法筛选出最优因子组合,采用基于机器学习Adaboost集成模型构建城市供水量预测模型.研究发现:与该市传统的依赖于人工的预测方法相比,日水量模型使预测误差上限由平均10万t/d降低到7万t/d,平均相对误差降低为1.5％;时水量模型使预测误差上限由平均1.5万t/h降低到0.4万t/h,平均相对误差降低为1.9％.同时,与其他的机器学习模型相比,此模型有效可行,能够提高供水量预测精度,降低能耗成本.

关键词：机器学习、特征工程、Adaboost集成模型、日供水量预测、时供水量预测

所属期刊栏目：39

分类号：TU991.3(地下建筑)

在线出版日期：2020-06-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：164-170