异常数据识别与修复机制在区域供水预测方案中的应用.docxVIP

异常数据识别与修复机制在区域供水预测方案中的应用 摘要：为进一步提升区域供水预测模型的准确度与泛化能力,从应用场景分析、数据预处理、特征选取等角度,建立循环神经网络并引入数据异常识别和修复机制,在数据处理过程中对基于K-means聚类和Isolation Forest的异常点检测进行比较,并依据时间序列特性,提出区别近邻均值的时序均值修复方法。深度学习框架下,采用LSTM学习算法,以拟合效果、泛化损失作为评估指标,针对区域供水进行小时级预测。分析结果表明,数据异常识别和修复的预处理机制的引入,使得区域供水预测模型拟合及泛化能力进一步提升,且方法可行、有效。 1 引言智慧水务可将海量水务信息进行及时分析与处理，并做出相应的处理结果辅助决策建议，以更加精细和动态的方式管理水务系统的整个生产、管理和服务流程，从而达到“智慧”的状态2 农村饮水工程及供水数据异常特征截至2018年底，我国建成农村饮水工程1100多万处，服务9.4亿农村人口，全国农村普及率达81%，极大地改善了农村群众的生活卫生条件，提高了健康水平和生活质量与城市供水相比，面向区域供水的农村饮水工程小时供水量具有时序变幅大、规律性弱、随机因素强等特点，传统数学模型难以满足此场景预测需求。通过分析区域供水量数据集，数据异常特征主要表现在以下两方面：(1)数据缺失。由网络传输失败、设备停修、传感器故障造成的