城市用水量单变量长期预测
机器学习
2021-05-19 v1
摘要
本研究描述了对加拿大伦敦市全市用水消耗建模的调查。针对用水量单变量时间序列预测任务，评估了多种建模技术，包括线性回归、Facebook 的 Prophet 方法、循环神经网络和卷积神经网络。Prophet 被选为首选模型，在 5 折交叉验证中平均绝对百分比误差达到 2.51%。Prophet 还被发现具有对用水需求管理利益相关者而言宝贵的其他优势，包括固有的可解释性以及对缺失数据的优雅处理。本文所述方法的实现已开源，其他市政当局或可加以改造利用。
引用
@article{arxiv.2105.08486,
title = {Univariate Long-Term Municipal Water Demand Forecasting},
author = {Blake VanBerlo and Matthew A. S. Ross and Daniel Hsia},
journal= {arXiv preprint arXiv:2105.08486},
year = {2021}
}
备注
11 pages, 6 figures