梯度推进回归树用水预测模型

日用水预测

基于气象条件的梯度推进回归树模型，为供水调度提供高精度用水预测。

Li, Zhengxuan · 彭森 · 郑国磊 · Chu, Xianxian · 田一梅

Water (Switzerland) 2023

参数信息

预测最大误差

8 %

平均地表温度特征重要性

81 %

体感温度特征重要性

7 %

技术优势

误差仅±8%

模型对日用水量的预测最大误差为±8%，可为供水调度提供可靠依据。

抓住主导因素

平均地表温度的特征重要性高达81%，明确了影响用水量的关键气象因子。

应用场景

• 市政供水调度：调用模型预测次日用水量，辅助调度人员合理安排水泵启停。
• 供水管网建模：为管网水力模型提供更精确的节点需水量，提升模拟可靠性。
• 城市用水规划：预测不同气象情景下的用水量，支撑城市供水设施规划与评估。
• 水务管理：为水务公司制定运营方案提供参考，降低供水成本与风险。