基于分位数回归算法的概率性水需求预测

机器与统计学习算法可可靠地实现自动化并规模化应用，因而能成为设计实用预测系统（如城市水需求相关系统）的重要资产。分位数回归算法是能够以直接方式提供概率性预测的统计与机器学习算法，迄今尚未应用于城市水需求预测。本工作旨在填补此空白，通过自动化并广泛比较若干基于分位数回归的实用系统，用于概率性提前一日城市水需求预测。在设计实用系统时，我们采用了五种单一算法（即分位数回归、线性提升、广义随机森林、梯度提升机与分位数回归神经网络算法）、其均值组合器与其中位数组合器。比较基于一个大型城市水流数据集，以及多种水文气象时间序列（在预测设定中作为外生预测变量）。结果大多倾向于使用线性提升算法设计的实用系统，可能源于城市水流时间序列中存在趋势。均值与中位数组合器的预测总体而言亦具技巧。