基于CatBoost的供水量组合预测模型探讨

作     者：朱俊杰 叶文静 曹萃文 顾幸生 Zhu Junjie;Ye Wenjing;Cao Cuiwen;Gu Xingsheng

作者机构：上海南汇自来水有限公司 华东理工大学能源化工过程智能制造教育部重点实验室 

出 版 物：《石油化工自动化》 (Automation in Petro-Chemical Industry)

年 卷 期：2023年第59卷第5期

页      面：10-14页

学科分类：08[工学] 081104[工学-模式识别与智能系统] 0815[工学-水利工程] 0811[工学-控制科学与工程] 

基　　金：国家自然科学基金项目(61973120) 

主　　题：供水量预测 KNN算法 异常数据识别 CatBoost模型 

摘      要：如何合理安排水资源并减少水资源浪费是亟需解决的问题，精确预测供水量并为供水系统调度方案的制定提供必要的数据支持是目前重要研究方向之一。建立了一种基于CatBoost的城市供水量组合预测模型，该模型基于KNN算法对异常数据进行识别和校正，从而减少异常数据对模型精度的影响；随后采用SVR,XGBoost, LightGBM和CatBoost模型预测供水量数据；为了融合各模型的优点并提高模型的预测精度，将各单一模型的预测结果作为输入特征，采用CatBoost模型进一步预测供水量数据并得到最终的供水量预测结果。仿真实验结果表明：所提出的基于CatBoost的组合预测模型具有更好的预测精度，验证了该模型在城市供水量预测问题中的有效性。