一种基于贝叶斯支持向量机和两步析因分析的需水量预测方法

1.本发明涉及需水量预测技术领域，尤其涉及一种基于贝叶斯支持向量机和两步析因分析的需水量预测方法。


背景技术：

2.准确的需水量预测是合理分配水资源、促进水资源合理开发利用的基础。然而，需水受到很多因素的影响，传统的基于时间序列外推等方法忽略了水资源系统中多个因素之间的相互关系，选取的变量大多也是单一变量，从而使得模型的适用性较弱，需水量预测结果失真。在一定程度上，流域社会经济发展能够反映水资源需求的变化趋势，需水量预测应基于社会经济发展程度来确定。因此，分析社会经济发展数据与水资源需求量之间的关系才能准确预测流域需水量，从而公平合理地分配流域内水资源量，提高水资源利用效率，为流域长期可持续发展提供科学依据。
3.发明目的
4.本发明的目的就是针对现有技术中的不足，提供了一种基于贝叶斯支持向量机和两步析因分析的需水量预测方法，节约需水量预测时间，提高运行效果和模拟精度。


技术实现要素：

5.本发明提供了一种基于贝叶斯支持向量机和两步析因分析的需水量预测方法，包括以下步骤：
6.步骤a、依据前人对需水量预测的相关研究，选择相关社会经济指标作为输入数据构建贝叶斯支持向量机模型；
7.步骤b、采用两步析因分析法，第一步：通过建立适当的正交表，快速寻找最佳的因子组合情景，之后利用田口设计筛选出影响需水量的关键因子；
8.步骤c、两步析因分析第二步：对田口设计筛选出的关键因子进行全因子分析，预测模拟未来各情景下的需水量，综合分析关键因子对需水量的影响作用。
9.优选地，所述步骤a进一步包括以下步骤：
10.步骤a1、通过参考前人研究和对需水结构的影响因素分析，初步选取影响需水量的相关社会经济指标，并查找、收集各影响因子和需水量的相关数据；
11.步骤a2、耦合贝叶斯和支持向量机方法，利用贝叶斯推断方法进行支持向量机的参数寻优和最优模型的选择；
12.步骤a3、在考虑模型参数不确定性的情况下，建立需水量与社会经济指标之间的非线性统计关系，从而构建基于贝叶斯支持向量机的需水量预测模型，并评估该模型的模拟效果。
13.更优选地，步骤a3中，选用确定性相关系数r2、纳什系数nse和均方根误差rmse反映模拟值与实测值的关系，评估所述基于贝叶斯支持向量机的需水量预测模型的效果，确
定性相关系数r2、纳什系数nse和均方根误差rmse的计算公式分别如式(1)-(3)所示：
[0014][0015][0016][0017]
其中，n为样本点总数；y
obs,i和ysim,i
分别表示观测值和模拟值；y
obs
为观测值的均值。
[0018]
优选地，所述步骤b进一步包括以下步骤：
[0019]
步骤b1、根据前人研究初步选取了12个因子，每个因子分别设置有高水平和低水平，基于设计因子的数量和水平值，选取对应32个情景的l
32
正交表；
[0020]
步骤b2、采用田口设计方法量化各因子对需水量变化的贡献率，识别单因子主效应与多因子交互作用对需水量的影响，从而筛选出对需水量变化影响最大的因子，在此基础上进行全因子设计。
[0021]
更优选地，所述步骤b2进一步包括：将单因子对系统响应的贡献定义为其平方和占总平方和的比例；通过计算单个因子和两两因子组合的平方和来量化因子对需水量影响的大小，在三个因子的情形下，因子的主效应计算公式如式(4)-(6)所示：
[0022][0023][0024][0025]
其中，ssa、ssb、ssc分别表示因子a、b、c的平方和；y
ijt
表示因子a在第i水平，因子b在第j水平，因子c在第t水平下的系统响应值；i、j、t分别表示因子a、b、c的水平数；两因子交互的平方和计算公式如式(7)-(9)所示：
[0026][0027]
[0028][0029]
其中，ssa×b、ssa×c、ssb×c分别代表因子a、b、c中两因子交互的平方和。
[0030]
优选地，所述步骤c进一步包括以下步骤：
[0031]
步骤c1、将筛选出的包括灌溉效率、水价、经济作物面积占比和总种植面积的主要影响因子，分别设置高低水平，基于训练好的贝叶斯支持向量机模型预测模拟未来各国或各地需水量；
[0032]
步骤c2、探究多经济情景下未来需水量的变化趋势及主要因子对需水量的影响。
附图说明
[0033]
图1本发明开发的一种基于贝叶斯支持向量机和两步析因分析的需水量预测方法框架示意图；
[0034]
图2社会经济指标的交互作用示意图；
[0035]
图3各情景下未来需水量变化示意图。
具体实施方式
[0036]
下面结合附图，对本发明的具体实施方法作进一步详细说明。
[0037]
如图1所示，本发明耦合贝叶斯、支持向量机、田口设计和全因子分析方法，开发了社会经济影响下的需水量预测模型。该方法能够有效建立各国需水量与其影响因子之间的关联关系，定量识别需水量变化的关键驱动因子及因子间的交互作用。从而，基于已识别出的影响需水量变化的关键因子，设置多种社会经济发展情景，多情景集合预测未来各国需水量的变化趋势。
[0038]
在具体实践上，实施流程包括以下步骤：
[0039]
步骤a、依据前人对需水量预测的相关研究，选择资料齐全的相关社会经济指标，以此作为输入数据构建贝叶斯支持向量机模型，预测各情景下的国家需水量；步骤a又具体分为：
[0040]
步骤a1：通过参考前人研究和对需水结构的影响因素分析，初步选取影响需水量的相关社会经济指标，并查找、收集各影响因子和需水量的相关数据；
[0041]
在本实施例中：初步选取的影响需水量的相关社会经济指标分别为：国民生产总值(gdp)、农业占比、工业占比、作物种植总面积、谷类作物面积占比、经济作物面积占比、饲料作物面积占比、农业灌溉效率、畜牧业、总人口、城镇化率、水价。
[0042]
步骤a2：耦合贝叶斯和支持向量机方法，为提高模型运行效果和模拟精度，利用贝叶斯推断方法进行支持向量机的参数寻优和最优模型的选择；
[0043]
步骤a3：在考虑模型参数不确定性的情况下，建立需水量与社会经济指标之间的非线性统计关系，从而构建基于贝叶斯支持向量机的需水量预测模型，并评估该模型的模拟效果。
[0044]
在本实施例中，选取1980-2015年月尺度的需水量与影响因子数据对贝叶斯支持向量机模型进行参数率定和验证，其中率定期为1980-2005年，验证期为2006-2015年。选用
确定性相关系数(r2)、纳什系数(nse)和均方根误差(rmse)反映模拟值与实测值的关系，评估贝叶斯支持向量机模型的模拟效果。上述评价指标的计算公式分别如式(1)-(3)所示：
[0045][0046][0047][0048]
其中，n为样本点总数；y
obs,i和ysim,i
分别表示观测值和模拟值；y
obs
为观测值的均值。
[0049]
步骤b、两步析因分析第一步：通过建立适当的正交表，快速寻找最佳的因子组合情景，然后利用田口设计筛选出影响需水量的关键因子；步骤b有分为：
[0050]
步骤b1：根据前人研究初步选取了12个因子，每个因子分别设置有高水平和低水平，基于设计因子的数量和水平值，选取l
32
(对应32个情景)正交表；
[0051]
步骤b2：采用田口设计方法量化各因子对需水量变化的贡献率，识别单因子主效应与多因子交互作用对需水量的影响，从而筛选出对需水量变化影响最大的因子，在此基础上进行全因子设计。步骤b2又包括：
[0052]
单因子对系统响应的贡献定义为其平方和占总平方和的比例。通过计算单个因子和两两因子组合的平方和来量化因子对需水量影响的大小，以三个因子为例，因子的主效应计算公式如式(4)-(6)所示：
[0053][0054][0055][0056]
其中，ssa、ssb、ssc分别表示因子a、b、c的平方和；y
ijt
表示a因子在第i水平，b因子在第j水平，c因子在第t水平下的系统响应值；i、j、t分别表示a、b、c因子的水平数。两因子交互的平方和计算公式如式(7)-(9)所示：
[0057][0058]
[0059][0060]
其中，ssa×b、ssa×c、ssb×c代表两因子交互的平方和。
[0061]
步骤c、两步析因分析第二步：对田口设计筛选出的关键因子进行全因子分析，预测模拟未来各情景下的需水量，综合分析关键因子对需水量的影响作用。步骤c又分为：
[0062]
步骤c1：将上述筛选出的主要影响因子(灌溉效率、水价、经济作物面积占比和总种植面积)分别设置高低水平，基于训练好的贝叶斯支持向量机模型来预测未来各国需水量；
[0063]
步骤c2：详细探究多经济情景下未来需水量的变化趋势及主要因子对需水量的影响。
[0064]
结果表明，灌溉效率、水价、经济作物面积占比和总种植面积对需水量的贡献率之和为91％，其中灌溉效率的贡献率为66％，表明灌溉效率是影响需水量的主要因子，其次为水价(贡献率11％)。图2展示了社会经济因子间的交互作用对于需水量的影响，国内生产总值*经济作物面积占比、国内生产总值*灌溉效率、畜牧业*水价等因子间存在交互作用。以国内生产总值*灌溉效率的相互作用为例，虚线代表国内生产总值为高水平时，需水量对灌溉效率的响应过程。两条线不平行说明灌溉效率对需水量的效应受国内生产总值取值的影响，即国内生产总值和灌溉效率对需水量有明显的交互作用。
[0065]
图3中(a)和(b)表明16种情景下，2020-2050年塔吉克斯坦的月需水量变化趋势。结果表明，需水量呈现先增加后减少趋势，2026年达到峰值，年需水量为167.8亿m3，然后呈减少趋势，2050年需水量为116.7亿m3。图(c)为2030和2050年各情景下年需水量。图中数字表示，第2到16种情景相较于情景1，年需水量的增长率。
[0066]
综上，本发明将贝叶斯、支持向量机、田口设计和析因分析相结合，生成了基于贝叶斯支持向量机的两步析因方法，并将该方法应用到需水量预测，可有效反映影响因子与需水量之间的非线性复杂关系，识别需水量变化的关键驱动因子及因子间的交互作用。
[0067]
和现有的需水量预测方法相比，本发明具有以下优点：
[0068]
(1)利用贝叶斯推断方法进行支持向量机的参数寻优和最优模型的选择，避免了对参数进行频繁的手动调整，大大节约了时间，从而提高了运行效果和模拟精度。
[0069]
(2)应用两步析因分析方法，先采用田口设计筛选出影响需水量的关键因子，然后再通过全因子设计进行多情景模拟，详细的探究了主要因子对需水量的影响。该方法最大的优点就是，在全因子分析之前先做一步田口设计，通过最少的实验次数，快速寻找最优参数组合，以大量减少实验次数，降低实验成本、提高效率。

技术特征：
1.一种基于贝叶斯支持向量机和两步析因分析的需水量预测方法，其特征在于，包括以下步骤：步骤a、依据前人对需水量预测的相关研究，选择相关社会经济指标作为输入数据构建贝叶斯支持向量机模型；步骤b、采用两步析因分析法，第一步：通过建立适当的正交表，快速寻找最佳的因子组合情景，之后利用田口设计筛选出影响需水量的关键因子；步骤c、两步析因分析第二步：对田口设计筛选出的关键因子进行全因子分析，预测模拟未来各情景下的需水量，综合分析关键因子对需水量的影响作用。2.根据权利要求1所述的一种基于贝叶斯支持向量机和两步析因分析的需水量预测方法，其特征在于，所述步骤a进一步包括以下步骤：步骤a1、通过参考前人研究和对需水结构的影响因素分析，初步选取影响需水量的相关社会经济指标，并查找、收集各影响因子和需水量的相关数据；步骤a2、耦合贝叶斯和支持向量机方法，利用贝叶斯推断方法进行支持向量机的参数寻优和最优模型的选择；步骤a3、在考虑模型参数不确定性的情况下，建立需水量与社会经济指标之间的非线性统计关系，从而构建基于贝叶斯支持向量机的需水量预测模型，并评估该模型的模拟效果。3.根据权利要求2所述的一种基于贝叶斯支持向量机和两步析因分析的需水量预测方法，其特征在于，步骤a3中，选用确定性相关系数r2、纳什系数nse和均方根误差rmse反映模拟值与实测值的关系，评估所述基于贝叶斯支持向量机的需水量预测模型的效果，确定性相关系数r2、纳什系数nse和均方根误差rmse的计算公式分别如式(1)-(3)所示：(3)所示：(3)所示：其中，n为样本点总数；y
obs,i和
y
sim,i
分别表示观测值和模拟值；为观测值的均值。4.根据权利要求1所述的一种基于贝叶斯支持向量机和两步析因分析的需水量预测方法，其特征在于，所述步骤b进一步包括以下步骤：步骤b1、根据前人研究初步选取12个因子，每个因子分别设置有高水平和低水平，基于设计因子的数量和水平值，选取对应32个情景的l
32
正交表；步骤b2、采用田口设计方法量化各因子对需水量变化的贡献率，识别单因子主效应与多因子交互作用对需水量的影响，从而筛选出对需水量变化影响最大的因子，在此基础上进行全因子设计。
5.根据权利要求4所述的一种基于贝叶斯支持向量机和两步析因分析的需水量预测方法，其特征在于，所述步骤b2进一步包括：将单因子对系统响应的贡献定义为其平方和占总平方和的比例；通过计算单个因子和两两因子组合的平方和来量化因子对需水量影响的大小，在三个因子的情形下，因子的主效应计算公式如式(4)-(6)所示：(6)所示：(6)所示：其中，ss
a
、ss
b
、ss
c
分别表示因子a、b、c的平方和；y
ijt
表示因子a在第i水平，因子b在第j水平，因子c在第t水平下的系统响应值；i、j、t分别表示因子a、b、c的水平数；两因子交互的平方和计算公式如式(7)-(9)所示：(9)所示：(9)所示：其中，ss
a
×
b
、ss
a
×
c
、ss
b
×
c
分别代表因子a、b、c中两因子交互的平方和。6.根据权利要求1所述的一种基于贝叶斯支持向量机和两步析因分析的需水量预测方法，其特征在于，所述步骤c进一步包括以下步骤：步骤c1、将筛选出的包括灌溉效率、水价、经济作物面积占比和总种植面积的主要影响因子，分别设置高低水平，基于训练好的贝叶斯支持向量机模型预测模拟未来各国或各地需水量；步骤c2、探究多经济情景下未来需水量的变化趋势及主要因子对需水量的影响。

技术总结
本发明公开了一种基于贝叶斯支持向量机和两步析因分析的需水量预测方法，包括以下步骤：A、耦合贝叶斯和支持向量机方法，在社会经济发展数据的基础上，预测流域内的需水量；B、采用田口设计方法量化各因子对需水量变化的贡献率，识别因子主效应与交互作用对需水量的影响，从而筛选出关键影响因子；C、对关键因子进行全因子分析，基于训练好的贝叶斯支持向量机模型来预测未来需水量，综合分析关键因子对需水量的影响作用。本发明考虑社会经济发展指标的影响，预测多情景下的需水量变化趋势，为可持续性水资源管理提供更加科学可靠的数据输入，可为水资源管理者提供决策支持。可为水资源管理者提供决策支持。可为水资源管理者提供决策支持。


技术研发人员：李永平 周彦肖 黄国和 李延峰 沈珍瑶
受保护的技术使用者：北京师范大学
技术研发日：2023.03.28
技术公布日：2023/7/20