摘要：【目的】为支撑智慧水务发展，满足水厂精细化调度需求，提升供水效率与资源利用率，需构建时供水量预测模型以优化生产调度。【方法】以华东地区A水厂为研究对象，本文综合时间特征、气象条件、设备检修工况及水力参数构建含58个初始特征的数据集，采用递归特征消除（RFE）算法筛选出16个关键特征，同时引入贝叶斯优化（BO）对极端梯度提升树（XGBoost）模型的超参数进行寻优，建立时供水量预测模型。【结果】BO后模型平均绝对百分比误差（MAPE）为4.58%，平均绝对误差（MAE）为676.02 m3/h。使用2024年4月实测值评估，若按模型预测值进行进水量调整，99.66%时间段内1 h水库水位波动可控制在±0.3 m，无人工干预时日水库液位最大偏差仅为0.77 m。2024年8月该模型与A水厂智能水量调度系统融合并实现在线运行，通过提供未来1～4 h对外供水量趋势预测，优化调度方案，使泵启停次数减少47%。【结论】此模型兼具高精度与实用价值，可避免设备损耗与能源浪费，为水厂优化调度提供技术支撑。

关键词：极端梯度提升树（XGBoost）递归特征消除（RFE）贝叶斯优化（BO）特征优选；供水量预测；智慧水务

基金资助：国家重点研发计划（2022YFC3801000）：上海城投（集团）有限公司科技创新计划项目（启明星专项）（CTKY-PTRC-2023-002-002-005）

下载

查看