摘要
为了解决供水分区边界流量计在非正常工作状态下,流量计量不准的问题,以正常工作状态下的水量为基础,结合影响流量计计量的多种特征,利用特征工程对原始数据进行优化,对离散型特征进行数值化处理,采用基于机器学习XGBoost集成模型构建流量计流量预测模型.旨在修正流量计非正常工作状态下计量的水量,提高工作成效.与传统的通过人工以未来一段时间内取平均值的计算方法相比,此模型以流量计正常工作状态下的全数据或者供水区域水量全数据为基础,充分结合了影响流量计工作的因素,如天气、日期、相关正常流量计、相关正常压力计、相关水厂、相关供水区域等,相对平均误差在2％左右,能够在工作中产生积极意义.
国家科技期刊平台
NSTL
维普
万方数据