一种基于固定效应模型的城市群月生活需水量预测方法与流程

本发明涉及生态水文领域，具体涉及一种基于固定效应模型的城市群月生活需水量预测方法。

背景技术：

1、国内外学者对于需水预测的研究始于20世纪60年代中后期。需水量的影响因素研究大多基于家庭经济、人口、气候、教育以及职业等方面，需水预测方法包括系统动力学、多元线性回归、时间序列和遍历灰色等模型。近年来，专家学者们开始关注机器算法进行需水预测，如偏最小二乘回归与神经网络耦合预测法。例如，李栋利用支持向量回归模型对城市生活用水量进行预测，预测精度优于神经网络；杨利纳等人基于灰色遗传bp神经网络，进行校园区间需水预测研究；冯颖等人运用洛伦兹曲线、基尼系数分析陕西省用水结构，得出其用水结构状况良好，但各行政单元人工生态环境用水极不平衡。但需水预测研究，在时间尺度上多为年尺度，在空间尺度上以行政单元为主，均难以满足水资源精细化管理的需求。

技术实现思路

1、针对现有技术中的上述不足，本发明提供的基于固定效应模型的城市群月生活需水量预测方法解决了现有技术难以满足水资源精细化管理的问题。

2、为了达到上述发明目的，本发明采用的技术方案为：

3、提供了一种基于固定效应模型的城市群月生活需水量预测方法，其包括以下步骤：

4、s1、采集用水数据并对其进行预处理，得到历史用水数据；根据信令数据和网络公开数据得到整合数据；

5、s2、根据历史用水数据实时监测用水数据并初始化各月份用水比例系数；根据各月份用水比例系数计算对应比例系数下的用水量并进行正态性检验，得到更新后的历史用水数据；

6、s3、根据更新后的历史用水数据和整合数据建立并训练固定效应模型，得到预测结果；根据预测结果对固定效应模型进行计算得到模型损失；

7、s4、判断模型损失是否小于10％；若是则停止迭代，得到训练后的固定效应模型并进入步骤s5；反之，则根据损失调整固定效应模型的参数并返回步骤s3；

8、s5、将影响因素数据输入至训练后的固定效应模型，得到对应的城市月生活需水预测值，完成预测。

9、进一步地，步骤s1中获取历史用水数据的具体方法如下：

10、采集地方统计公报数据、用水统计直报数据以及国家水资源监控系统数据并进行时间尺度转换，得到多源数据；对多源数据进行筛选，保留完整性不小于70％的数据并通过插值法、滑动平均法进行补充，得到更新后的多源数据；

11、通过箱型图对更新后的多源数据进行检测，得到异常数据点；通过插值法、滑动平均法对异常数据点进行处理，得到正常数据点；将所有的正常数据点通过水数据规范化进行同化，得到历史用水数据。

12、进一步地，时间尺度转换的具体方法为：

13、对用水统计直报数据进行归一化处理，得到季度分配系数；通过用水资源公报年度用水数据和季度用水分配系数的乘积，得到季度用水数据；

14、对国控用水数据进行数据聚合，得到月度用水数据；对月度用水数据进行归一化处理，得到月度分配系数；

15、将季度用水量按月度分配系数在各月份上进行分配，得到月度用水量，即多源数据。

16、进一步地，步骤s1中获取整合数据的具体方法如下：

17、根据基站和手机的交互得到信令数据；

18、根据公式：

19、

20、得到第k个六边形网格在t时间内的信令总量vk；其中，∑(·)表示求和函数，n表示经过该六边形网格的总人数，c表示经过该六边形网格的总次数，i表示经过该六边形网格的第i个人，j表示每人经过该六边形网格的次数，tij表示第i个人第j次在该六边形网格的驻留时间；

21、根据公式：

22、

23、得到第l个市县(区)的逐日信令数据vld；其中，q表示该市县(区)的六边形网格总数；

24、根据公式：

25、

26、得到年尺度的信令数据vly；其中，m表示月份；

27、对年尺度的信令数据和各地常住人口进行计算，得到各地级市的倍比值；根据需求将年尺度的信令数据聚合到月尺度，得到月尺度的手机信令数据；根据各地级市的倍比值对月尺度的手机信令数据进行计算，得到动态人口数据；

28、通过网络公开获取降水数据和区域经济数据，整合动态人口数据、降水数据和区域经济数据，得到整合数据。

29、进一步地，步骤s1中的历史用水数据采用不少于一年的用水数据。

30、进一步地，s2中的正态性检验采用shapiro-wilk检验。

31、进一步地，步骤s3中的固定效应模型的公式如下：

32、

33、其中，yit表示第i个响应单元的第t个时间单元的响应变量，即用水量，xkit表示第k个影响因子的第i个响应单元的第t个时间单元的回归变量，包括前期用水量、人口、生产总值、第三产业生产总值和降雨量，∑(·)表示求和函数，k表示固定效应模型的影响因子总数，t表示固定效应模型的时间单元总数，n表示固定效应模型的响应单元总数，βk表示第k个影响因子的回归变量系数，ci表示第i个响应单元的选定个体的固定效应，∈表示固定效应模型的误差项。

34、进一步地，步骤s3中的模型损失采用相对误差对应地区月份的用水比例系数进行调整。

35、本发明的有益效果为：该方法通过引入固定效应模型，并考虑到时间因素以及内生性因素的影响，可以捕捉到不同地区或不同用户的需水行为的显著差异并提高预测的准确性；可以有效处理面板数据并利用其个体和时间的双重维度信息，提高固定效应模型的拟合效果和可靠性。

技术特征：

1.一种基于固定效应模型的城市群月生活需水量预测方法，其特征在于：包括以下步骤：

2.根据权利要求1所述的基于固定效应模型的城市群月生活需水量预测方法，其特征在于：所述步骤s1中获取历史用水数据的具体方法如下：

3.根据权利要求2所述的基于固定效应模型的城市群月生活需水量预测方法，其特征在于：所述时间尺度转换的具体方法为：

4.根据权利要求1所述的基于固定效应模型的城市群月生活需水量预测方法，其特征在于：所述步骤s1中获取整合数据的具体方法如下：

5.根据权利要求1所述的基于固定效应模型的城市群月生活需水量预测方法，其特征在于：所述步骤s1中的历史用水数据采用不少于一年的用水数据。

6.根据权利要求1所述的基于固定效应模型的城市群月生活需水量预测方法，其特征在于：所述步骤s2中的正态性检验采用shapiro-wilk检验。

7.根据权利要求1所述的基于固定效应模型的城市群月生活需水量预测方法，其特征在于：所述步骤s3中的固定效应模型的公式如下：

8.根据权利要求1所述的基于固定效应模型的城市群月生活需水量预测方法，其特征在于：所述步骤s3中的模型损失采用相对误差对应地区月份的用水比例系数进行调整。

技术总结
本发明公开了一种基于固定效应模型的城市群月生活需水量预测方法，其包括以下步骤：采集历史用水数据和整合数据；初始化各月份用水比例系数并计算对应的用水量以及进行正态性检验，得到更新后的历史用水数据；根据两个数据建立并训练固定效应模型，得到预测结果；根据预测结果对固定效应模型进行计算得到模型损失；判断模型损失是否小于阈值，若是则得到训练后的固定效应模型并完成预测；反之，则根据损失调整固定效应模型参数。本发明通过引入固定效应模型并考虑到时间因素和内生性因素，捕捉到不同地区或用户的需水行为的显著差异并提高预测的准确性；有效处理面板数据并利用其个体和时间的双重维度信息，提高固定效应模型的拟合效果和可靠性。

技术研发人员：李豪,王晓东,贾玲,刘金锋,朱浩,郭小雅,赵红莉,孙博,段浩,李国哲,周逸凡,徐洪庆
受保护的技术使用者：中国水利水电科学研究院
技术研发日：
技术公布日：2024/1/16