摘要
本发明公开了一种基于多源数据融合的居民小区用水量预测方法,包括如下步骤:采集居民小区日用水量及其多源影响因素的历史数据,对收集的历史数据进行处理并制成训练样本集;采用训练样本集中数据确定多源影响因素之间及多源影响因素与居民小区日用水量之间的相关性;确定气象因素中对居民区日用水量影响最大的因子;构建基于多源影响因素的居民小区日用水量的预测回归模型;采用训练样本集中数据对预测回归模型进行拟合训练及验证;训练时,对预测回归模型参数进行优化调节;采集对应居民小区的多源影响因素实时数据,由完成拟合训练的预测回归模型预测居民小区日用水量。本发明通过相关性分析及梯度提升回归树量化气象因素与用水量之间的关系。
技术关键词
梯度提升回归树算法
随机森林
学习器
训练样本集
气象
节点
异常数据
实时数据
相对湿度
风速
关系
存储计算机程序
指数
遗传算法
超参数
分段
存储器
系统为您推荐了相关专利信息
智能传感器
脚部
特征值
构建机器学习模型
踝泵训练
自然语言信息
生成装置
生成方法
轨迹参数
输出模块