基于Lasso的概率多步超前短期用水需求预测

用水需求是运行控制与决策制定中极为重要的变量。因此，开发准确预测是进一步提升水务公司效率的有价值研究领域。聚焦于概率多步超前预测，我们引入一个时间序列模型，以捕捉典型的自回归、日历与季节效应，考虑时变方差，并量化用水需求过程的不确定性与路径依赖性。为应对用水需求过程的高度复杂性，采用高维特征空间，并通过自动收缩与选择算子（lasso）高效调优。它使得获得准确、简单可解释且快速可计算的预测模型成为可能，非常适于实时应用。完整的概率预测框架不仅可模拟均值与边缘性质，还可模拟预测视界内小时之间的相关结构。对从业者而言，完整的概率多步超前预测具有相当重要性，因其提供关于预期聚合或累积用水需求的额外信息，从而可对某一蓄水容量在特定期限内保障供给的概率作出判断。该信息有助于更好地控制蓄水容量并更好地确保水泵平稳运行。为恰当评估所考虑模型的预测表现，引入能量分数（ES）这一严格适当的多维评估准则。该方法应用于某德国供水商的小时用水需求数据。