偏最小二乘回归与AR模型组合预测北京市年生活用水量.pdfVIP

偏最小二乘回归与 AR 模型 组合预测北京市年生活用水量 顾月红 河海大学水资源环境学院 E-mail：tzgyh999@163.com 摘 要：本文使用偏最小二乘回归模型确定北京市年生活用水量和挑选的 5 项影响因子之间 的回归方程，发现该市年生活用水量和提前 3 年的各项因子所组成的方程能够最好的预报出 预留检验年份的年生活用水量。受资料长度的限制，在确定回归方程后，还需要预测各项因 子的未来值。经 Kendall 秩次检验，表明各项因子都有明显的增长趋势，所以先剔除各因子 序列的趋势项，然后再对各项因子使用 AR 模型进行外延预测。最后带入已确定的回归方程 预测北京市 2003-2010 年的年生活用水量。 关键词：年生活用水量；偏最小二乘回归；AR 模型；北京 1. 引 言 随着经济的发展、人民生活水平的逐步提高、城市规模的不断扩大，城市的用水量呈现 不断增长的趋势，城市水资源供需矛盾增加，供水量紧缺的现象也越来越多。合理的城市水 资源统筹规划对城市供水规划和水务管理工作、及城市的可持续发展起着宏观的指导作用， 因此科学准确地预测城市用水量是非常必要的。当前，一个城市的生活用水量已然成为该城 市用水量的重要部分，尤其是在人口众多的大城市，所以对城市的生活用水量进行准确合理 地预测是非常重要的。 常用的水量预测方法概括起来主要有：各类回归模型、时间序列分析模型、灰色模型、 神经网络模型，以及各类方法的组合模型[1-6] 。其中以分析预测对象和影响因子之间回归关 系的模型应用最为广泛，该类模型有：多元线性回归、逐步回归、偏最小二乘回归、主成分 回归、岭回归、门限回归，及其他线性或非线性回归模型。本文采用偏最小二乘回归和时间 序列分析相结合的方法，对 2003-20 10 年北京城市年生活用水量进行预测。 2. 用水量预测方法 2.1 偏最小二乘回归模型[7, 8] 偏最小二乘回归是一种多因变量对多自变量的回归建模方法，可以解决一般回归问题的 自变量之间的多重相关性和样本数量不宜太少的问题，它是多元线性回归分析、典型相关分 析和主成分分析的集成和发展。 其思路主要是：首先，从自变量集合X 中按交叉有效性原则提取主成分t （ ）， h h 1, 2, 各成分相互独立；然后，建立这些成分与自变量X 的回归方程。偏最小二乘回归所提取的 主成分不仅能较好地概括原始自变量系统的信息，而且对因变量系统具有很强的解释能力。 并且，主成分之间互不相关，因而有效地解决了自变量之间多重相关性情况下的回归建模问 题。 - 1 - 2.1.1 建模思路 由于只是预测单序列，本文只介绍了单因变量的偏最小二乘回归模型的建模过程。 （1） 数据标准化预处理 ⎧ F F ; E E ,E , , E ⎪ 0 ( 0y )n×1 0 ( 0 1 02 0m )n×m ⎪ ⎨ _ _ y − y * X i − X i ⎪ ( ) F ; E X ,