基于深度学习和相关区域计量区的城市用水消耗预测
机器学习
2025-08-25 v1 计算机与社会
摘要
准确的用水消耗预测是水务部门和政策制定者的重要工具，有助于确保供水可靠性、优化运营并支持基础设施规划。城市水力分布网络(UDN)被划分为区域计量区(DMA)，在这些区域内监控水流以高效管理资源。本工作聚焦于使用深度学习进行 DMA 消耗的短期预测，旨在解决两个关键挑战问题。首先，仅基于 DMA 的历史数据进行预测可能缺乏更广泛的背景并提供有限的见解。其次，DMA 可能存在传感器故障导致数据不正确，或者由于计算成本问题而未被监控，从而 complicating accurate forecasting。我们提出一种新方法，首先识别具有相关消耗模式的 DMA，然后将这些模式以及 DMA 的本地数据作为深度学习模型的输入进行预测。在来自五个 DMA 的真实数据研究中，我们展示：i) 深度学习模型优于经典统计模型；ii) 仅使用相关 DMA 的消耗模式即可进行准确预测；iii) 即使 DMA 的本地数据可用，包括相关 DMA 的数据也能提高准确性。
引用
@article{arxiv.2501.00158,
title = {Urban Water Consumption Forecasting Using Deep Learning and Correlated District Metered Areas},
author = {Kleanthis Malialis and Nefeli Mavri and Stelios G. Vrachimis and Marios S. Kyriakou and Demetrios G. Eliades and Marios M. Polycarpou},
journal= {arXiv preprint arXiv:2501.00158},
year = {2025}
}
备注
Keywords: urban water management, water consumption, time series forecasting