(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111617146.7 (22)申请日 2021.12.27 (71)申请人 苏州大淼水务科技有限公司 地址 215000 江苏省苏州市吴江区东太湖 生态旅游度假区(太湖新城)夏蓉街 399号稻谷互联网产业园1幢802 (72)发明人 袁文麒　 (74)专利代理 机构 苏州国卓知识产权代理有限 公司 323 31 代理人 刘颖棋 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 10/06(2012.01) G06Q 50/06(2012.01) G06N 3/12(2006.01) (54)发明名称 差分进化算法-自回归耦合算法城市需水量 预测模型 (57)摘要 本发明公开了城市供水领域的差分进化算 法‑自回归耦合算法城市需水量预测模型， 包括 以下步骤： S1： 确定城市需水量预测模型； S2： 对 学习样本时间序列进行处理得到零均值； S3： 计 算学习样本时间序列的自相关系数rk； S4： 确定 模型参数的优化目标函数f； S5： 生成模型参数集 P， 并将模型参数集P设置为目标向量； S6： 采用差 分进化算法对群体进行初始化； S7： 对目标向量 采用差分进 化算法变异操作， 生成变异向量； S8： 对变异向量采用差分进化算法杂交操作， 生成试 验向量； 10： 使用最优模型参数的城市需水量预 测模型进行预测， 本发明达到达到提高模型预测 精度的目的。 权利要求书2页 说明书5页 附图1页 CN 114298405 A 2022.04.08 CN 114298405 A 1.差分进化 算法‑自回归耦合 算法城市需水量预测模型， 其特 征在于， 包括以下步骤： S1： 确定城市需水量预测模型； S2： 对学习样本时间序列进行处 理得到零均值； S3： 计算学习样本时间序列的自相关系数rk； S4： 确定模型参数的优化目标函数f； S5： 生成模型参数集P， 并将模型参数集P设置为目标向量； S6： 采用差分进化 算法对群 体进行初始化； S7： 对目标向量采用差分进化 算法变异操作， 生成变异向量； S8： 对变异向量采用差分进化 算法杂交操作， 生成试验向量； S9： 通过选择操作确定最优向量， 不断重复优化直至寻到最优个体或达到预定终点判 据即所有个 体均相同， 最优解即为 最优模型参数； S10： 使用最优 模型参数的城市需水量预测模型进行 预测。 2.根据权利要求1所述的差分进化算法 ‑自回归耦合算法城市需水量预测模型， 其特征 在于： 步骤S1中， 城市需水量预测模型 可以表述如下式： 式中μ为时间序列的平均数， 常以时间序列的前n个时期的平均数代替， p为自回归模型 的阶数， 为自回归系数， et为估计误差 。 3.根据权利要求1所述的差分进化算法 ‑自回归耦合算法城市需水量预测模型， 其特征 在于： 步骤S2中， 选择原始时间序列{x(i)}， 对原始数据进行一次差分得到{ y(i)}， 并对{ y (i)}进行零均值处 理， 具体如下式： {y(i)＝x(i+1) ‑x(i)， (i＝1， 2，…， n‑1)} {w(i)＝y(i) ‑E(y(i))， (i＝1， 2，…， n‑1)}。 4.根据权利要求1所述的差分进化算法 ‑自回归耦合算法城市需水量预测模型， 其特征 在于： 步骤S3中， 时间序列 {w(i)}的自相关系数计算公式如下式： 5.根据权利要求1所述的差分进化算法 ‑自回归耦合算法城市需水量预测模型， 其特征 在于： 步骤S4中， 确定 差分进化 算法控制参数， 确定适应度函数， 具体如下式： 该算法控制参数包括： 种群大小NP、 缩放因子F与杂交概 率CR。 6.根据权利要求1所述的差分进化算法 ‑自回归耦合算法城市需水量预测模型， 其特征 在于： 步骤S5中， 随机产生包含一系列N个D维度的实数编码的群。 每一代经过N次竞争确定 下一代群 体的组成， 群 个体由下式表述：权　利　要　求　书 1/2 页 2 CN 114298405 A 2Px,g＝(xi,g),i＝0,1,…,N‑1,g＝0,1, …,gmax, xi,g＝(xj,i,g),j＝0,1, …,D‑1, 式中N为群里个 体数量,g为进化代数量,D为维度， 即参数 数量。 7.根据权利要求1所述的差分进化算法 ‑自回归耦合算法城市需水量预测模型， 其特征 在于： 步骤S6中， 预先规定每个参数的上下限， 这样总共有2D个值被赋予bmin和bmax， 使用 随机数产生器可以赋予每 个参数一个在上 下限之间的随机数。 具体如下式所示： xj,i,0＝randj(0,1)·(bj,U‑bj,L)+bj,L, 式中randj(0,1)为[0,1)范围内产生的随机数,bL和bU为 参数j向量xi,j的下限和上限。 8.根据权利要求1所述的差分进化算法 ‑自回归耦合算法城市需水量预测模型， 其特征 在于： 步骤S7中， 群内N个参数加入一个向量完成变异操作， 按下式计算： 式中Vi,g为第g代对应于xi,g的变异结果， 随机索引r0,r1,r2应互斥产生， 变异权重系数 F为一正实数来控制群 体进化。 9.根据权利要求1所述的差分进化算法 ‑自回归耦合算法城市需水量预测模型， 其特征 在于： 步骤S 8中， 此操作根据目标向量和变异变量产生 一个试验向量Ui,g， 具体操作如下式： 式中uj,i,g,vj,i,g,xj,i,g为第j个参数第i次的试验， 变异和目标向量， 杂交机率(CR)为CR ∈[0,1]是用户定义的系数来控制变异值。 如果随机数不大于CR,着试验向量遗传自vi,g； 否 则遗传自xi,g。 。 10.根据权利要求1所述的差分进化算法 ‑自回归耦合算法城市需水量预测模型， 其特 征在于： 步骤S9中， 杂交操作后采用差 分进化算法使用选择操作来确定是选择试验向量ui,g 还是目标向量xi,g， 选择最小目标函数 所对应的向量遗传到第g+1代， 具体如下： 式中xi,g+1为第g+1代第i个 体的值， 下一代群体确定， 变异、 杂交和选择操作不断重复直至寻到最优个体或达到预定终点 判据即所有个体均相同； 步骤S10中， 将步骤(6)中求得的最优模型参数 代入城市 需水量自回归 模型中， 即可计算出城市需水量预测值。权　利　要　求　书 2/2 页 3 CN 114298405 A 3