典型文献
基于机器学习的水厂短期供水量预测模型构建
文献摘要：
短期供水量预测是水厂调度及管网漏损控制的基础.以夹江县青衣水厂历史供水数据为依据,对供水量影响因素进行多维特征构造,并对相关特征进行了筛选.分别使用ARIMA、随机森林、XGBoost以及LSTM进行模型的构建.经比较,基于XGBoost的模型可以使预测误差百分比缩小到5％,提高了供水量预测精度.
文献关键词：
机器学习;神经网络;供水量预测;XGBoost
中图分类号：
作者姓名：
徐东;张曾;周迅;周伏虎
作者机构：
中国水利水电第七工程局有限公司,成都,610213
文献出处：
引用格式：
[1]徐东;张曾;周迅;周伏虎-.基于机器学习的水厂短期供水量预测模型构建)[J].四川水利,2022(04):37-40,57
A类：
青衣水厂
B类：
基于机器学习,供水量预测,预测模型构建,管网漏损控制,夹江县,多维特征,特征构造,ARIMA,XGBoost,预测误差
AB值：
0.204362
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
