基于小波神经网络的供水预测研究与应用.pdf

基于小波神经网络的供水预测研究与应用曾启城(长江三峡水务(宜昌)有限公司 湖北 宜昌)摘 要:针对城镇供水预测不准确的问题设计开发了一种基于小波变换的时间序列神经网络供水预测系统 首先使用小波变换提取供水流量曲线的规律性去除流量数据中的高频噪声并对假期变量和天气温度变量进行非线性处理对比分析表明模型加入小波变换后预测准确率显著提高同时该系统可以计算流量实际值与预测值的实时差值比较差值和设定阈值判断供水异常情况 经验证该系统供水预测准确率达到 可为供水预测和供水异常识别提供决策支持 关键词:供水预测 小波变换 时间序列神经网络 非线性函数中图分类号:.文献标志码:文章编号:():./.():.:随着供水辐射范围不断扩大如何有效协调用水供需量尤为重要 供水预测能提前模拟居民用水量变化为供水决策提供支持如何提高供水预测准确性平衡供水量和需求量意义重大 用水量与天气、节假日等因素相关而这些因素的随机性会导致供水预测准确性和可靠性下降学者通过卷积神经网络、模型、主成分分析法配合 神经网络、专家系统短期预测法对供水预测影响因素进行研究并构造预测模型 小波变换在时频信号分析、预测分析、模式识别等领域应用广泛能解决傅里叶变换的难题冯再勇比较了小波神经网络和 神经网络证明了小波神经网络的优越第 卷 第 期 年 月 供 水 技 术 .性巴欢欢等使用小波变换和人工神经网络对入库月径流进行预测同时对比分析了不同小波基函数对预测的影响基于以上研究本文设计开发了一种基于小波变换的时间序列神经网络供水预测系统该系统利用小波变换去除数据中的噪声和随机分量提取出供水流量中的规律性再将经过小波提取的数据输入时间序列神经网络进行预测模型训练分析结果证明模型预测准确率明显提高基基于于时时间间序序列列神神经经网网络络的的供供水水预预测测 原理介绍神经网络在预测分析、模式识别、函数逼近等多方面都得到广泛应用具有较好的泛化能力 基础神经网络包含输入层、隐藏层和输出层其中输入层、隐藏层和输出层都可以为单个节点即单输入单输出神经网络 在神经网络的每个节点的输入中都包含了不同的权重 且每个节点有一个偏置参数输出表达式见式()()由公式可以看出神经元输出与输入线性相关而线性组合往往不能够灵活准确地表达出输入和输出的关系为了弥补这一缺陷引入了非线性函数又称激活函数 输出表达式见式()()()式中 为非线性映射(激活函数)时间序列神经网络在基础神经网络上加入了对过去值的考量其基本原理是利用一个或多个过去值来预测未来值 供水预测应用一个地区的用水量往往是有规律可循的若能用这种规律预测下一时刻的用水量为恒压变频系统提供用水量“参考值”即可弥补恒压变频系统的缺陷使供水系统不再以单一的管道水压决定供水量 例如在用水量高峰来临之前管道水压未出现下降供水预测显示用水量会快速增加系统提前加大供水这样便能减少延迟效应带来的影响 同时当实际用水量与供水预测提供的“参考值”相差较大超过一定阈值那么系统可认为出现供水异常提醒工作人员排查管网及时减少损失在供水预测中影响用水量的因素主要有节假日、温度和湿度等考虑到本地区用水量规律性与温度和节假日相关性较强按照式()作为时间序列神经网络训练方式该方式根据时间序列的过去值和下一个序列的变量值()来预测未来值()这种方式被称为带有外部输入的非线性自回归适合分析受过去序列和伴随变量序列影响的时间序列()()()()()()系统结构见图 为预测结果 为输入变量数据包括节假日、温度和湿度 为网络延迟层数量()()()为回归变量经本地区用水数据测试延迟层数量设置 层为最佳时间序列神经网络延迟层预测结果Xn(t),Xn(t-1),Xn(t-2),Xn(t-d)X1(t),X1(t-1),X1(t-2),X1(t-d)X3(t),X3(t-1),X3(t-2),X3(t-d)X2(t),X2(t-1),X2(t-2),X2(t-d)Y(t),Y(t-1),Y(t-2),Y(t-d)图 时间序列神经网络结构 .小小波波变变换换 原理介绍小波变换()是一种新的变换分析方法它继承和发展了短时傅立叶变换局部化的思想同时又克服了窗口大小不随频率变化等缺点能够提供一个随频率改变的“时间频率”窗口是进行信号时频分析和处理的理想工具 通过小波变换能够充分突出问题某些方面的特征能对时间(空间)频率的局部化分析通过伸缩平移运算对信号(函数)逐步进行多尺度细化最终达到高频处时间细分低频处频率细分能自动适应时频信号分析的要求从而可聚焦到信号的任意细节 基于小波变换的数据处理使用近一个月的历史流量数据、温度和节假日作为训练样本原始供水流量数据中存在大量高频噪声这种随机性数据将会影响时间序列神经网络的训练效果 模型训练前首先使用小波变换对训练数据进行除噪最大程度提炼出流量数据中的规律以此增加供水预测的准确性选择 小波对流量数据进行三级分解和高频除噪图 为训练数据除噪后的对比效果假期变量对用水量的影响存在提前和滞后效应且假期天数是其中的重要影响因素因此假期变量不能简单使用 和 表示本文引入非线性因子来表征假期变量对用水量影响非线性曲线见图 年 月曾启城:基于小波神经网络的供水预测研究与应用第 卷 第 期2月18号2月24日3月2日3月8日3月14日2月18号2月24日3月2日3月8日3月14日2月18号2月24日3月2日3月8日3月14日时间1 5001 000500流量/（m3h-1R-1）流量/（m3h-1R-1）流量/（m3h-1R-1）1 5001 0005002000-200原始曲线除噪后曲线高频噪声图 流量原始曲线与除噪后曲线对比 .-3-2-10123数据长度变量值1.00.90.80.70.60.50.40.30.20.10图 变量非线性变化曲线 .其中曲线幅值和数据长度由假期天数决定经非线性函数处理后瞬时流量和假期变量变化见图 流量/（m3h-1R-1）瞬时流量与假期变量1 5001 0005002月18号2月24日3月2日3月8日3月14日时间时间假期/天2.01.51.00.502月18号2月24日3月2日3月8日3月14日图 瞬时流量与假期变量 .温度变量一般用当天最高温度和最低温度表示缺少了一天内的温度变化本文采用与假期变量相同的非线性函数表征温度在一天内的变化曲线其中曲线最大值和最小值分别由当天最高温度和最低温度决定经非线性函数处理后瞬时流量和温度变量变化见图 时间温度/201510502月18号2月24日3月2日3月8日3月14日流量/m3/h*R瞬时流量与温度变量流量/（m3h-1R-1）2月18号2月24日3月2日3月8日3月14日时间1 5001 000500图 瞬时流量与温度变量 .基基于于小小波波神神经经网网络络的的供供水水预预测测应应用用 模型训练将小波变换和非线性函数处理后的数据输入时间序列神经网络开始训练模型训练完成再对 年 月 日的用水瞬时流量进行预测验证预测结果见图 可以看出预测曲线与实际曲线几乎贴合绝对误差最大值 最小值 00:0003:0006:00 09:00 12:0015:0018:0021:00 24:00时间0.250.200.150.100.050绝对误差百分比00:0003:0006:00 09:00 12:0015:0018:0021:00 24:00时间实际值预测值实际值和预测值对比曲线图流量/（m3h-1R-1）1 2001 000800600400图 实际值和预测值对比 .预测线性回归见图 显示预测准确率达到第 卷 第 期 供 水 技 术 年 月 证明基于小波变换的时间序列神经网络满足供水预测准确性和可靠性6007008009001 0001 1001 200实际值1 2001 1001 000900800700600预测值数据拟合Y=T图 预测线性回归 .模型模拟效果将实时接收的流量计瞬时流量数据输入时间序列神经网络数据包的采样频率为 /次每输入一次数据得出之后 预测值再计算实时流量数据与预测值的绝对误差 当绝对误差值超过一定阈值并大于一定时间段内绝对误差平均值时识别为供水异常对该时间点进行标记提醒工作人员排查 为检验软件实际效果选择供水异常事件中流量数据进行分析 年 月 日点军区江南大道 供水母管破损图 为软件展示效果由图可知:、:和:三个时间点流量异常经核实:和:时正在进行供水管道抢修表明该方法能够满足供水预测要求点军区瞬时流量预测实际值预测值差值流量/（m3hR）1 6001 4001 2001 00080060040020002021/11/222021/11/222021/11/222021/11/23时间图 软件预测效果 .讨讨论论与与建建议议 经过小波变换分解提取后的流量数据规律性有所增加随机噪声含量减少与未使用小波变换的时间序列神经网络对比发现使用小波变换除噪后的时间序列神经网络预测准确率明显增加 实际软件应用也证明该方法供水预测准确性高能判断出供水异常 但本文方法仍存在不足如温度变量的非线性处理存在突变点与实际情况不符建议使用温度传感器采集实时温度数据作为输入变量 小波变换除噪效果与输入数据采样频率和序列长度相关需要进一步讨论建议瞬时流量数据采样频率大于 次/参考文献:龙雨昊王景成.基于卷积神经网络的供水预测研究/第 届中国过程控制会议()摘要集.:.郑浩然潘雨青李世伟等.基于季节性 模型的小区供水预测.计算机应用与软件():.肖汉曹军李凌霄.基于 的 神经网络在城市供水预测中的应用.山东农业大学学报(自然科学版)():.():.胡广书.现代信号处理教程.清华大学出版社.冯再勇.小波神经网络与 网络的比较研究及应用.成都理工大学.巴欢欢胡挺袁玉等.基于小波变换和人工神经网络模型的三峡入库月径流预报.水电能源科学():.作者简介:曾启城()男云南西双版纳傣族自治州景洪人研究方向为净水供水技术、神经网络、电气自动化:.收稿日期:年 月曾启城:基于小波神经网络的供水预测研究与应用第 卷 第 期