基于动态时间规整聚类的智能水表数据社会经济特征发现
机器学习
2021-12-30 v2 系统与控制
信号处理
系统与控制
摘要
社会经济特征影响着用水需求的时间和空间变异性——这是供水系统建模中最大的不确定性来源。增进对这些影响的认识可用于降低需求不确定性。本文旨在通过将动态时间规整应用于日需求模式的新型聚类算法，将智能水表数据与用户社会经济特征相关联。该方法在模拟和实测的独立家庭数据集上进行了测试。我们表明，与常用聚类方法相比，该新型算法在寻找正确聚类数以及正确分配模式两方面均表现更优。此外，该方法可用于识别需求模式聚类中的离群点。进而，本研究探讨了哪些社会经济特征(如就业状态、居民人数)在单一聚类中占主导，从而可与聚类重心形状相关联。未来，所提方法与随机需求模型相结合可用于填补水力模型中的数据缺口。
引用
@article{arxiv.2112.13778,
title = {Dynamic Time Warping Clustering to Discover Socio-Economic Characteristics in Smart Water Meter Data},
author = {D. B. Steffelbauer and E. J. M. Blokker and S. G. Buchberger and A. Knobbe and E. Abraham},
journal= {arXiv preprint arXiv:2112.13778},
year = {2021}
}
备注
16 pages, 8 figures