CN118350835B - 农饮水的供水预测方法及设备 - Google Patents
农饮水的供水预测方法及设备 Download PDFInfo
- Publication number
- CN118350835B CN118350835B CN202410774998.4A CN202410774998A CN118350835B CN 118350835 B CN118350835 B CN 118350835B CN 202410774998 A CN202410774998 A CN 202410774998A CN 118350835 B CN118350835 B CN 118350835B
- Authority
- CN
- China
- Prior art keywords
- water supply
- sample
- data
- month
- amount
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 488
- 239000003651 drinking water Substances 0.000 title claims abstract description 33
- 235000020188 drinking water Nutrition 0.000 title claims abstract description 33
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000004519 manufacturing process Methods 0.000 claims abstract description 103
- 238000012545 processing Methods 0.000 claims abstract description 14
- 238000012549 training Methods 0.000 claims abstract description 7
- 238000004364 calculation method Methods 0.000 claims abstract description 6
- 238000012216 screening Methods 0.000 claims description 13
- 238000012163 sequencing technique Methods 0.000 claims description 7
- 238000004891 communication Methods 0.000 claims description 6
- 239000003621 irrigation water Substances 0.000 claims description 4
- 230000003247 decreasing effect Effects 0.000 claims description 2
- 238000013507 mapping Methods 0.000 claims description 2
- 230000000717 retained effect Effects 0.000 claims 1
- 238000004458 analytical method Methods 0.000 abstract description 2
- 238000009966 trimming Methods 0.000 description 4
- 238000000746 purification Methods 0.000 description 3
- 238000001914 filtration Methods 0.000 description 2
- 238000004659 sterilization and disinfection Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000005189 flocculation Methods 0.000 description 1
- 230000016615 flocculation Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 230000001954 sterilising effect Effects 0.000 description 1
Classifications
-
- C—CHEMISTRY; METALLURGY
- C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F1/00—Treatment of water, waste water, or sewage
- C02F1/008—Control or steering systems not provided for elsewhere in subclass C02F
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/018—Certifying business or products
- G06Q30/0185—Product, service or business identity fraud
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Human Resources & Organizations (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Development Economics (AREA)
- Agronomy & Crop Science (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Entrepreneurship & Innovation (AREA)
- Accounting & Taxation (AREA)
- Animal Husbandry (AREA)
- Finance (AREA)
- Hydrology & Water Resources (AREA)
- Environmental & Geological Engineering (AREA)
- Chemical & Material Sciences (AREA)
- Organic Chemistry (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及一种农饮水处理方法及设备，通过对客户的数据获取、分析以及计算，来建立历史的供水数据与将来的供水数据之间的联系，在此关联的基础上构建预测生产量模型，应利用过往的历史数据对其进行训练，以使得预测生产量模型具有预测的功能，并且预测生产量模型还可以根据预测值和历史数据的偏差来实时调整历史数据的构成，以增加预测生产量模型预测的准确性。
Description
技术领域
本申请涉及供水预测技术领域，特别是涉及农饮水的供水预测方法及设备。
背景技术
水处理设备是一种集成了多种净水工艺于一体的设备，该设备具有净水效果好、适用范围广、占地面积小、操作简单、节水、节电、节人工等特点。水处理设备的工作原理主要是利用原水在设备内部进行反应絮凝、沉淀、集泥、排泥、集水、配水、过滤、反冲、排污、加药、消毒等一系列自动化流程，以达到原水净化的目的。
现有的水处理工厂在针对客户的生产量和供给分配方面缺少合理性，导致水处理工厂的设备的生产效能无法精准配客户的需求，导致设备的生产能耗过高，以及对应的生产效益较低。
发明内容
基于此，有必要针对传统水处理工厂在针对客户的生产量和供给分配方面缺少合理性，导致水处理工厂的设备的生产效能无法精准配客户的需求的问题，提供一种农饮水的供水预测方法及设备。
本申请提供一种农饮水的供水预测方法，包括：
获取多个样本客户的样本客户数据，所述样本客户数据包括多个样本月供水数据；
依据每个样本月供水数据中的设定供水量和实际供水量的差值对每个供水种类进行标记；
所述依据每个样本月供水数据中的设定供水量和实际供水量的差值对每个供水种类进行标记，包括：
选取一个样本月供水数据；
解析该样本月供水数据，得到该样本月供水数据中的供水种类、设定供水量和实际供水量，所述供水种类包括饮用水、锅炉用水、回用中水以及灌溉用水；
选取一个供水种类；
将该供水种类的实际供水量减去该供水种类的设定供水量，得到差值，将得到的差值记作浮动变化量；
当得到的浮动变化量大于零，对该供水种类标记；
返回所述选取一个供水种类，直至每一个供水种类均被选取过一次，得到被标记的供水种类；
返回所述选取一个样本月供水数据，直至每一个样本月供水数据均被选取过一次；
基于每一个月供水数据、每一个被标记的供水种类、每一个未被标记的供水种类、每一个被标记的供水种类的预计变化量以及每一个月份的预计生产量，构建预测生产量模型；
依据每个样本客户的历史供水次数、拖欠付款次数以及供水种类对应的设定供水量对每个本客户的供水种类进行打分；
依据每个样本客户的供水种类的得分和生产优先级的对应关系建立样本客户的供水种类的生产优先等级表；
获取一个待测的月供水数据，将待测的月供水数据输入到微调后的预测生产量模型，启动微调后的预测生产量模型，得到微调后的预测生产量模型输出的总预计生产量；
获取一个待测的样本客户的供水种类，对该待测的样本客户的供水种类进行打分，得到该待测的样本客户的供水种类的得分，以该待测的样本客户的供水种类的得分为索引检索样本客户的供水种类的生产优先等级表，得到该待测的样本客户的供水种类的生产优先等级。
本申请还提供一种农饮水的供水预测设备，包括：
第一数据采集装置，用于采集农饮水处理设备中不同供水种类的实际产水数据；
第二数据采集装置，用于采集与客户签订的合同中设定的供水量数据；
处理装置，与所述第一数据采集装置通信连接，所述处理装置还与所述第二数据采集装置通信连接，所述处理装置用于执行如上述所述的农饮水的供水预测方法。
本申请涉及农饮水的供水预测方法及设备，通过对客户的数据获取、分析以及计算，来建立历史的供水数据与将来的供水数据之间的联系，在此关联的基础上构建预测生产量模型，应利用过往的历史数据对其进行训练，以使得预测生产量模型具有预测的功能，并且预测生产量模型还可以根据预测值和历史数据的偏差来实时调整历史数据的构成，以增加预测生产量模型预测的准确性。
附图说明
图1为本申请一实施例提供的农饮水的供水预测方法的流程示意图。
图2为本申请一实施例提供的农饮水的供水预测设备的结构示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
如图1所示，在本申请的一实施例中，所述农饮水的供水预测方法包括如下S100至S700:
S100，获取多个样本客户的样本客户数据，所述样本客户数据包括多个样本月供水数据。
所述依据每个样本月供水数据中的设定供水量和实际供水量的差值对每个供水种类进行标记，包括：
选取一个样本月供水数据；
解析该样本月供水数据，得到该样本月供水数据中的供水种类、设定供水量和实际供水量，所述供水种类包括饮用水、锅炉用水、回用中水以及灌溉用水；选取一个供水种类；
将该供水种类的实际供水量减去该供水种类的设定供水量，得到差值，将得到的差值记作浮动变化量；
当得到的浮动变化量大于零，对该供水种类标记；
返回所述选取一个供水种类，直至每一个供水种类均被选取过一次，得到被标记的供水种类；
返回所述选取一个样本月供水数据，直至每一个样本月供水数据均被选取过一次。
具体的，供水种类包括饮用水、锅炉用水、回用中水以及灌溉用水，不同的供水种类的生产过程具有一定的差异性。
在本实施例中，通过先选取将一个月供水数据中一个样本客户的一个供水种类的实际供水量减去设定供水量得到差值，并筛选出差值为大于零的差值，且将该供水种类标记，返回对一个月供水数据中一个样本客户的一个供水种类进行选择，直到每一个月供水数据中每一个样本客户的每一个供水种类均被选取过一次，得到所有的差值和被标记的供水种类。
在本实施例中，样本客户指的是已经建立合作关系，并且会一直保持稳定持续的合作关系的客户，且在已保持的合作关系期间有稳定的供水数据存在；样本月供水数据指的是在一个月的时间周期内的不同客户的不同供水种类的具体供水量的数据。
S200，依据每个样本月供水数据中的设定供水量和实际供水量的差值对每个供水种类进行标记。
在本实施例中，设定供水量为和客户事先约定好的供水的量，将实际供水量和设定供水量作差得到差值，基于得到的差值对月供水数据中的供水种类进行标记。
S300，基于每一个月供水数据、每一个被标记的供水种类、每一个未被标记的供水种类、每一个被标记的供水种类的预计变化量以及每一个月份的预计生产量，构建预测生产量模型。
在本实施例中，利用对每一个被标记的供水种类的预计变化量进行大数据为基础的预测，并得到预测的结果，将每一个被标记的供水种类的预测结果与未被标记的供水种类的设定供水量进行求和得到该月份的预计生产量,并以此作为预测的基础原理构建并训练预测生产量模型。
S400，依据每个样本客户的历史供水次数、拖欠付款次数以及供水种类对应的设定供水量对每个本客户的供水种类进行打分。
在本实施例中，通过分别对历史供水次数、拖欠付款次数以及供水种类对应的设定供水量分设不同的权重，进而对每个样本客户的每个供水种类进行打分。
S500，依据每个样本客户的供水种类的得分和生产优先级的对应关系建立样本客户的供水种类的生产优先等级表。
在本实施例中，对每个本客户的供水种类的得分进行排序，并对不同范围的得分设置对应的优先等级，进而建立具有对应关系的生产优先等级表，进一步的基于该生产优先等级表来安排具体的生产供给的先后顺序。
S600，获取一个待测的月供水数据，将待测的月供水数据输入到微调后的预测生产量模型，启动微调后的预测生产量模型，得到微调后的预测生产量模型输出的总预计生产量。
在本实施例中，通过将历史的月供水数据输入到微调后的预测生产量模型，接着启动微调后的预测生产量模型，利用微调后的预测生产量模型的预测功能得到微调后的预测生产量模型输出的预测的月供水数据。
S700，获取一个待测的样本客户的供水种类，对该待测的样本客户的供水种类进行打分，得到该待测的样本客户的供水种类的得分，以该待测的样本客户的供水种类的得分为索引检索样本客户的供水种类的生产优先等级表，得到该待测的样本客户的供水种类的生产优先等级。
在本申请的一实施例中，所述获取样本客户数据，所述获取多个样本客户的样本客户数据，包括如下S101至S103:
S101，选取一个样本客户。
S102，获取该样本客户，得到该样本客户的每个月供水数据，所述月供水数据包括一个月的设定供水量、实际供水量和供水种类。
S103，返回所述选取一个样本客户，直至每一个样本客户均被选取过一次。
具体的，以一个样本客户为数据获取的模板，对该样本客户的每个月中不同供水种类的数据进行获取，供水种类的数据具有实际供水量和设定供水量两个特征；在一个样本客户为数据获取为模板的基础上对每一个样本客户的数据进行获取。
在本实施例中，一个样本客户在一个月供水数据中可以为一个或者多个供水种类，而每个供水种类在每个月供水数据中均有设定供水量和实际供水量。
在本申请的一实施例中，所述基于每一个月供水数据、每一个被标记的供水种类、每一个未被标记的供水种类、每一个被标记的供水种类的预计变化量以及每一个月份的预计生产量，构建预测生产量模型，包括如下S301至S313:
S301，选取一个样本月供水数据。
S302，获取该样本月供水数据，得到该样本月供水数据中每一个被标记的供水种类、每一个被标记的供水种类的浮动变化量、每一个未被标记的供水种类以及每一个未被标记的供水种类的设定供水量。
S303，返回所述选取一个样本月供水数据，直至每一个样本月供水数据均被选取过一次。
S304，选取一个被标记的供水种类。
S305，获取该被标记的供水种类所有的浮动变化量。
S306，计算该被标记的供水种类所有浮动变化量的和，记为浮动变化量和。
S307，计算该被标记的供水种类被标记的月份数量。
S308，计算浮动变化量和与被标记的月份数量平均值，得到该被标记的供水种类的预计变化量。
S309，将该被标记的供水种类的预计变化量与该被标记的供水种类的设定供水量求和，得到该被标记的供水种类的预计生产量。
S310，返回所述选取一个被标记的供水种类，直至每一个被标记的供水种类均被选取过一次。
S311，将每一个未被标记的供水种类的设定供水量作为每一个未被标记的供水种类的预计生产量，将每一个未被标记的供水种类的设定供水量与每一个被标记的供水种类的预计生产量求和，得到下一个月份的总预计生产量。
S312，创建预测生产量模型。
S313，将每一个月供水数据、每一个被标记的供水种类、每一个被标记的供水种类的浮动变化量、每一个未被标记的供水种类、每一个被标记的供水种类的设定供水量、每一个未被标记的供水种类的预计生产量、每一个被标记的供水种类的预计变化量以及总预计生产量的计算逻辑作为训练数据对预测生产量模型进行训练，得到训练后的预测生产量模型。
具体的，一个月份的总预计生产量指的是一个月份的每一个客户的每一个供水种类预计生产量的总和。
在本实施例中，通过对历史数据中的每一个月供水数据中的每一个被标记的供水种类的浮动变化量获取，并求得浮动变化量的平均值，将得到的平均值与该被标记的供水种类的设定供水量求和得到该被标记的供水种类的预计生产量，将一个月供水数据中所有的被标记的供水种类的预计生产量的和与所有的未被标记的供水种类的设定供水量的和再次求和得到一个月供水数据的预计生产量，以此为逻辑构建并训练预测生产量模型，得到具有预测下一个月份生产总量功能的预测生产量模型。
在本申请的一实施例中，在所述依据每个样本月供水数据中的设定供水量和实际供水量的差值对每个供水种类进行标记之后，所述方法还包括如下S210至S213:
S210，将被标记的供水种类所有的浮动变化量按照由大到小的顺序排序，得到浮动变化量排序结果。
S211，预设一个固定数值的筛选值。
S212，当被标记的供水种类的浮动变化量大于所述筛选值，则在执行所述计算该被标记的供水种类所有浮动变化量的和，记为浮动变化量和时，去除该浮动变化量。
S213，当被标记的供水种类的浮动变化量小于或等于所述筛选值，则在执行所述计算该被标记的供水种类所有浮动变化量的和，记为浮动变化量和时，保留该浮动变化量。
具体的，固定数值的筛选值可以控制筛选的区别度，通过调整固定数值的筛选值的大小以建立不同的去除干扰的程度，当固定数值的筛选值越小其抗干扰的程度越强，相反的当固定数值的筛选值越大其抗干扰的程度越弱，固定数值的筛选值根据浮动变化量的大小成正比例关系。
在本实施例中，通过设定一个固定的筛选值来拆除被标记的供水种类的浮动变化量中比较极端的数据，增加数据基础的稳定性，减少因极端不可控事件对数据计算的干扰。
在本申请的一实施例中，所述依据每个样本客户的历史供水次数、拖欠付款次数以及供水种类对应的设定供水量对每个本客户的供水种类进行打分，包括如下S401至S404:
S401，选取一个样本客户。
S402，获取该样本客户，得到该样本客户的历史供水次数、该样本客户的拖欠付款次数以及该样本客户每一个供水种类对应的设定供水量。
S403，依据公式1对该样本客户的每一个供水种类进行评分；
Zi＝Ai×30％-10B×30％+Ci×40％公式1
其中，i为供水种类，Zi为该样本客户的供水种类i的得分；Ai为供水种类i的供水合作周期，所述供水合作周期以月为单位；B为拖欠付款次数；Ci为供水种类i的设定供水量，所述设定供水量以吨为单位。
S404，返回所述选取一个样本客户，直至每一个样本客户均被选取过一次。
具体的，此处的设定供水量的一种情形指的是每一个客户的每一种供水种类在每一个月份的数值相同，不发生变化，是因为签订了合同；另一种情形为设定供水量是动态的，则将最近的一个月的设定供水量带入到公式1中；或者在设定供水量是动态的基础上将最近的N个月的设定供水量的平均值带入到公式1中，其中N为正整数，且N大于1。
在本实施例中，分别对样本客户的历史供水次数、拖欠付款次数以及供水种类对应的设定供水量设置不同的评分权重，进而对每个样本客户的供水种类进行长周期的跟进更新，以提升对每个客户的每个供水种类评分的准确性。
在本申请的一实施例中，所述依据每个样本客户的每一个供水种类的得分和生产优先级的对应关系建立样本客户的供水种类的生产优先等级表，包括如下S501至S505:
S501，获取每个样本客户的每一个供水种类的得分。
S502，将每个样本客户的所有供水种类的得分按照从大到小进行顺序排序，得到排序结果。
S503，将排序结果的结果分割为几个得分差距间隔相同的排名队列，每一个排名队列包括相邻的多个供水种类的得分。
S504，将每一个排名队列和一个生产优先等级建立映射关系；供水种类的得分在排名队列中的排名越靠前，供水种类的生产优先等级越高。
S505，建立每一个样本客户的供水种类生产优先等级表，将每个样本客户的供水种类的得分和生产优先等级相对应的储存入样本客户的供水种类生产优先等级表。
在本实施例中，针对每个月供水数据中更新的样本客户的供水种类的得分进行从大到小的排序，且对应的不同分段建立不同的生产优先等级，基于对应的关系，在每个月供水数据建立并更新样本客户的供水种类生产优先等级表。
在本申请的一实施例中，在所述基于每一个月供水数据、每一个被标记的供水种类、每一个未被标记的供水种类、每一个被标记的供水种类的预计变化量以及每一个月份的预计生产量，构建预测生产量模型之后，所述方法还包括S320，
S320，依据每个月供水数据中的实际供水量以及预计生产量的差异性对预测生产量模型进行微调。
在本申请的一实施例中，所述依据每个月供水数据中的实际供水量以及预计生产量的差异性对预测生产量模型进行微调，包括如下S320a至S320h:
S320a，选取一个样本月供水数据。
S320b，获取该样本月供水数据，得到该样本月供水数据中所有供水种类的实际供水量以及预计生产量。
S320c，计算所有供水种类的实际供水量的总和，得到实际供水量和。
S320d，基于实际供水量和预设一个预设浮动范围。
S320e，判断总预计生产量是否出现在预设浮动范围内。
S320f，若总预计生产量未出现在预设浮动范围内，将总预计生产量进行调整直至预计生产量出现在预设浮动范围内。
S320g，将进行增加或减少后的总预计生产量输入至预测生产量模型，以对预测生产量模型进行微调。
S320h，返回所述选取一个月供水数据，直至每一个月供水数据均被选取过一次。
在本实施例中，每个月供水数据中的以实际供水量为基础值，在此基础上预设一定的阈值浮动范围，通过判断预测生产量模型输出的预计生产量是否在浮动范围内来对预测生产量模型的训练数据进行调整，以提升预测生产量模型预测的准确性。
在本申请的一实施例中，所述若总预计生产量未出现在预设浮动范围内，将总预计生产量进行调整直至预计生产量出现在预设浮动范围内，包括如下S801至S805:
S801，将每一个样本月供水数据按照数据输出时间的先后顺序进行标记，得到月供水数据标记结果。
S802，去除一个数据输出时间距离当前系统时间最远的一个供水种类，得到保留下来的多个供水种类。
S803，计算所有保留下来的供水种类的预计生产量的总和，得到调整后的总预计生产量。
S804，判断调整后的总预计生产量是否出现在预设浮动范围内。
S805，若调整后的总预计生产量出现在预设浮动范围内，则停止对被标记的供水种类的去除。
在本实施例中，基于时间的先后顺序将得到的多个按照时间顺序排序的样本月供水数据，通过时间的由远及近的顺序逐个去除一个样本月供水数据，每去除一个样本月供水数据计算一次总预计生产量，直到得到的总预计生产量出现在预设浮动范围内则停止去除一个样本月供水数据，该方法通过去除时间轴上比较长远的样本月供水数据以减少对预测结果干扰性。
在本实施例中，通过对预测生产量模型的运行中所有的历史被标记的供水种类的总量进行筛除，以时间的远近作为筛除的基础评判条件，以使的历史被标记的供水种类的总量更加靠近当前的月供水数据，以提升数据的准确性。
如图2所示的，在本申请的一实施例中，提供一种农饮水的供水预测设备，所述农饮水的供水预测设备包括第一数据采集装置、第二数据采集装置和处理装置。
所述第一数据采集装置用于采集农饮水处理设备中不同供水种类的实际产水数据。
所述第二数据采集装置用于采集与客户签订的合同中设定的供水量数据。
所述处理装置与所述第一数据采集装置通信连接。所述处理装置还与所述第二数据采集装置通信连接。所述处理装置用于执行如上述所述的农饮水的供水预测方法。
具体的，图2中的供水种类1表示基于该种供水种类多个客户的实际产水数据；客户1表示一个客户的合作合同，该合同中包括一个或者多个供水种类的设定供水量数据。
在本实施例中，第一数据采集装置对农饮水处理的相关杀菌或者过滤等设备进行数据的采集，以确定不同供水种类的实际供水量，而第二数据采集装置用于将输入的与客户签订的合同中将不同的供水种类的设定供水量进行采集；第一数据采集装置和第二数据采集装置将采集到的数据传输到处理装置中，处理装置对得到的数据利用上述的农饮水的供水预测方法进行处理，进而得到不同客户的不同供水种类在下个月的预测供水量，同时处理装置还可以对不同客户的不同供水种类建立生产的顺序的优先级，并且处理装置还可以对收的数据进行去除干扰方面的优化，以不断提升预测的精准度。
以上所述实施例的各技术特征可以进行任意的组合，各方法步骤也并不做执行顺序的限制，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请的保护范围应以所附权利要求为准。
Claims (9)
1.一种农饮水的供水预测方法，其特征在于，所述农饮水的供水预测方法包括：
获取多个样本客户的样本客户数据，所述样本客户数据包括多个样本月供水数据；
依据每个样本月供水数据中的设定供水量和实际供水量的差值对每个供水种类进行标记；
所述依据每个样本月供水数据中的设定供水量和实际供水量的差值对每个供水种类进行标记，包括：
选取一个样本月供水数据；
解析该样本月供水数据，得到该样本月供水数据中的供水种类、设定供水量和实际供水量，所述供水种类包括饮用水、锅炉用水、回用中水以及灌溉用水；
选取一个供水种类；
将该供水种类的实际供水量减去该供水种类的设定供水量，得到差值，将得到的差值记作浮动变化量；
当得到的浮动变化量大于零，对该供水种类标记；
返回所述选取一个供水种类，直至每一个供水种类均被选取过一次，得到被标记的供水种类；
返回所述选取一个样本月供水数据，直至每一个样本月供水数据均被选取过一次；
基于每一个月供水数据、每一个被标记的供水种类、每一个未被标记的供水种类、每一个被标记的供水种类的预计变化量以及每一个月份的预计生产量，构建预测生产量模型；
依据每个样本客户的历史供水次数、拖欠付款次数以及供水种类对应的设定供水量对每个本客户的供水种类进行打分；
依据每个样本客户的供水种类的得分和生产优先级的对应关系建立样本客户的供水种类的生产优先等级表；
获取一个待测的月供水数据，将待测的月供水数据输入到微调后的预测生产量模型，启动微调后的预测生产量模型，得到微调后的预测生产量模型输出的总预计生产量；
获取一个待测的样本客户的供水种类，对该待测的样本客户的供水种类进行打分，得到该待测的样本客户的供水种类的得分，以该待测的样本客户的供水种类的得分为索引检索样本客户的供水种类的生产优先等级表，得到该待测的样本客户的供水种类的生产优先等级。
2.根据权利要求1所述的农饮水的供水预测方法，其特征在于，所述获取多个样本客户的样本客户数据包括：
选取一个样本客户；
获取该样本客户，得到该样本客户的每个月供水数据，所述月供水数据包括一个月的设定供水量、实际供水量和供水种类；
返回所述选取一个样本客户，直至每一个样本客户均被选取过一次。
3.根据权利要求2所述的农饮水的供水预测方法，其特征在于，所述基于每一个月供水数据、每一个被标记的供水种类、每一个未被标记的供水种类、每一个被标记的供水种类的预计变化量以及每一个月份的预计生产量，构建预测生产量模型，包括：
选取一个样本月供水数据；
获取该样本月供水数据，得到该样本月供水数据中每一个被标记的供水种类、每一个被标记的供水种类的浮动变化量、每一个未被标记的供水种类以及每一个未被标记的供水种类的设定供水量；
返回所述选取一个样本月供水数据，直至每一个样本月供水数据均被选取过一次；
选取一个被标记的供水种类；
获取该被标记的供水种类所有的浮动变化量；
计算该被标记的供水种类所有浮动变化量的和，记为浮动变化量和；
计算该被标记的供水种类被标记的月份数量；
计算浮动变化量和与被标记的月份数量平均值，得到该被标记的供水种类的预计变化量；
将该被标记的供水种类的预计变化量与该被标记的供水种类的设定供水量求和，得到该被标记的供水种类的预计生产量；
返回所述选取一个被标记的供水种类，直至每一个被标记的供水种类均被选取过一次；
将每一个未被标记的供水种类的设定供水量作为每一个未被标记的供水种类的预计生产量，将每一个未被标记的供水种类的设定供水量与每一个被标记的供水种类的预计生产量求和，得到下一个月份的总预计生产量；
创建预测生产量模型；
将每一个月供水数据、每一个被标记的供水种类、每一个被标记的供水种类的浮动变化量、每一个未被标记的供水种类、每一个被标记的供水种类的设定供水量、每一个未被标记的供水种类的预计生产量、每一个被标记的供水种类的预计变化量以及总预计生产量的计算逻辑作为训练数据对预测生产量模型进行训练，得到训练后的预测生产量模型。
4.根据权利要求3所述的农饮水的供水预测方法，其特征在于，在所述依据每个样本月供水数据中的设定供水量和实际供水量的差值对每个供水种类进行标记之后，所述方法还包括：
将被标记的供水种类所有的浮动变化量按照由大到小的顺序排序，得到浮动变化量排序结果；
预设一个固定数值的筛选值；
当被标记的供水种类的浮动变化量大于所述筛选值，则在执行所述计算该被标记的供水种类所有浮动变化量的和，记为浮动变化量和时，去除该浮动变化量；
当被标记的供水种类的浮动变化量小于或等于所述筛选值，则在执行所述计算该被标记的供水种类所有浮动变化量的和，记为浮动变化量和时，保留该浮动变化量。
5.根据权利要求4所述的农饮水的供水预测方法，其特征在于，所述依据每个样本客户的历史供水次数、拖欠付款次数以及供水种类对应的设定供水量对每个本客户的供水种类进行打分，包括：
选取一个样本客户；
获取该样本客户，得到该样本客户的历史供水次数、该样本客户的拖欠付款次数以及该样本客户每一个供水种类对应的设定供水量；
依据公式1对该样本客户的每一个供水种类进行评分；
Zi＝Ai×30％-10B×30％+Ci×40％
公式1；
其中，i为供水种类，Zi为该样本客户的供水种类i的得分；Ai为供水种类i的供水合作周期，所述供水合作周期以月为单位；B为拖欠付款次数；Ci为供水种类i的设定供水量，所述设定供水量以吨为单位；
返回所述选取一个样本客户，直至每一个样本客户均被选取过一次。
6.根据权利要求5所述的农饮水的供水预测方法，其特征在于，所述依据每个样本客户的每一个供水种类的得分和生产优先级的对应关系建立样本客户的供水种类的生产优先等级表，包括：
获取每个样本客户的每一个供水种类的得分；
将每个样本客户的所有供水种类的得分按照从大到小进行顺序排序，得到排序结果；
将排序结果的结果分割为几个得分差距间隔相同的排名队列，每一个排名队列包括相邻的多个供水种类的得分；
将每一个排名队列和一个生产优先等级建立映射关系；供水种类的得分在排名队列中的排名越靠前，供水种类的生产优先等级越高；
建立每一个样本客户的供水种类生产优先等级表，将每个样本客户的供水种类的得分和生产优先等级相对应的储存入样本客户的供水种类生产优先等级表。
7.根据权利要求6所述的农饮水的供水预测方法，其特征在于，在所述基于每一个月供水数据、每一个被标记的供水种类、每一个未被标记的供水种类、每一个被标记的供水种类的预计变化量以及每一个月份的预计生产量，构建预测生产量模型之后，所述方法还包括：
依据每个月供水数据中的实际供水量以及预计生产量的差异性对预测生产量模型进行微调；
所述依据每个月供水数据中的实际供水量以及预计生产量的差异性对预测生产量模型进行微调，包括：
选取一个样本月供水数据；
获取该样本月供水数据，得到该样本月供水数据中所有供水种类的实际供水量以及预计生产量；
计算所有供水种类的实际供水量的总和，得到实际供水量和；
基于实际供水量和预设一个预设浮动范围；
判断总预计生产量是否出现在预设浮动范围内；
若总预计生产量未出现在预设浮动范围内，则将总预计生产量进行调整直至预计生产量出现在预设浮动范围内；
将进行增加或减少后的总预计生产量输入至预测生产量模型，以对预测生产量模型进行微调；
返回所述选取一个月供水数据，直至每一个月供水数据均被选取过一次。
8.根据权利要求7所述的农饮水的供水预测方法，其特征在于，所述若总预计生产量未出现在预设浮动范围内，将总预计生产量进行调整直至预计生产量出现在预设浮动范围内，包括：
将每一个样本月供水数据按照数据输出时间的先后顺序进行标记，得到月供水数据标记结果；
去除一个数据输出时间距离当前系统时间最远的一个供水种类，得到保留下来的多个供水种类；
计算所有保留下来的供水种类的预计生产量的总和，得到调整后的总预计生产量；
判断调整后的总预计生产量是否出现在预设浮动范围内；
若调整后的总预计生产量出现在预设浮动范围内，则停止对被标记的供水种类的去除。
9.一种农饮水的供水预测设备，其特征在于，所述农饮水处理设备包括：
第一数据采集装置，用于采集农饮水处理设备中不同供水种类的实际产水数据；
第二数据采集装置，用于采集与客户签订的合同中设定的供水量数据；
处理装置，与所述第一数据采集装置通信连接，所述处理装置还与所述第二数据采集装置通信连接，所述处理装置用于执行如上述权利要求1至权利要求8中任意一项权利要求所述的农饮水的供水预测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410774998.4A CN118350835B (zh) | 2024-06-17 | 2024-06-17 | 农饮水的供水预测方法及设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410774998.4A CN118350835B (zh) | 2024-06-17 | 2024-06-17 | 农饮水的供水预测方法及设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN118350835A CN118350835A (zh) | 2024-07-16 |
| CN118350835B true CN118350835B (zh) | 2024-09-20 |
Family
ID=91823170
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410774998.4A Active CN118350835B (zh) | 2024-06-17 | 2024-06-17 | 农饮水的供水预测方法及设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN118350835B (zh) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116780536A (zh) * | 2023-08-23 | 2023-09-19 | 山东未来互联科技有限公司 | 基于机器学习的能耗预测方法及系统 |
| CN117114918A (zh) * | 2023-07-24 | 2023-11-24 | 华北电力大学 | 一种基于区域生态需水与多水源供水的水资源调配方法 |
Family Cites Families (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102880912B (zh) * | 2012-08-10 | 2016-01-20 | 南京南瑞继保电气有限公司 | 一种煤气安全与经济评估方法 |
| CN106780140B (zh) * | 2016-12-15 | 2021-07-09 | 国网浙江省电力公司 | 基于大数据的电力信用评价方法 |
| EP3843027A1 (en) * | 2019-12-27 | 2021-06-30 | Fundación Tecnalia Research & Innovation | Method, system and computer program product for predicting water usage in a water supply network |
| CN111582920A (zh) * | 2020-04-24 | 2020-08-25 | 广东卓维网络有限公司 | 一种售电公司业务管理系统 |
| CN113706057A (zh) * | 2021-09-26 | 2021-11-26 | 中水北方勘测设计研究有限责任公司 | 一种多水源多用水户供水网络的水资源配置方法 |
| CN116307024A (zh) * | 2022-10-21 | 2023-06-23 | 北京首创热力股份有限公司 | 一种区域供热热负荷预测方法 |
| CN116153437B (zh) * | 2023-04-19 | 2023-06-30 | 乐百氏(广东)饮用水有限公司 | 一种饮用水源的水质安全评价与水质预测方法及系统 |
| CN116611862A (zh) * | 2023-04-23 | 2023-08-18 | 国网上海市电力公司 | 一种供电公司月度市场化采购电量的预测方法 |
| CN116843146A (zh) * | 2023-07-10 | 2023-10-03 | 浙江中控信息产业股份有限公司 | 供水配泵方法、装置、设备及存储介质 |
| CN116720717B (zh) * | 2023-08-09 | 2023-11-03 | 山东历控能源有限公司 | 一种建筑能源管理调节系统及方法 |
-
2024
- 2024-06-17 CN CN202410774998.4A patent/CN118350835B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117114918A (zh) * | 2023-07-24 | 2023-11-24 | 华北电力大学 | 一种基于区域生态需水与多水源供水的水资源调配方法 |
| CN116780536A (zh) * | 2023-08-23 | 2023-09-19 | 山东未来互联科技有限公司 | 基于机器学习的能耗预测方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN118350835A (zh) | 2024-07-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110458195B (zh) | 一种基于多判据融合的异常数据甄别方法 | |
| CN108133391A (zh) | 销量预测方法以及服务器 | |
| CN113610381B (zh) | 一种基于5g网络的水质远程实时监测系统 | |
| CN104899405A (zh) | 数据预测方法和系统以及报警方法和系统 | |
| CN111880245B (zh) | 登陆热带气旋过程降水预报系统 | |
| CN110648161A (zh) | 商业选址的效益评估方法、装置及存储介质 | |
| CN116579590A (zh) | 一种虚拟电厂中的需求响应评估方法和系统 | |
| CN118350835B (zh) | 农饮水的供水预测方法及设备 | |
| CN116739642B (zh) | 一种工程造价分析方法、系统及存储介质 | |
| CN118430328A (zh) | 基于云计算的停车场管理方法及系统 | |
| CN116050773B (zh) | 一种基于碳排放评估的行业融合方法及系统 | |
| CN111311318A (zh) | 用户流失预警的方法、装置、设备及存储介质 | |
| CN115965483A (zh) | 一种基于大数据的财务管理系统 | |
| CN115809784A (zh) | 基于多目标的额度调整最优分配方法、装置、设备及介质 | |
| CN115689437A (zh) | 一种基于人工智能的erp高效生产管理系统及方法 | |
| CN114693366A (zh) | 一种农产品量价分析方法及系统 | |
| CN115079563A (zh) | 一种砂石分离机的监测控制方法 | |
| CN110288175A (zh) | 一种基于股票大数据分析的智能辅助决策系统及方法 | |
| CN117180899B (zh) | 一种水泥生产粉尘清理方法及系统 | |
| CN116914764B (zh) | 基于用户侧资源差异化约束的负荷响应控制方法及系统 | |
| CN114488352B (zh) | 一种无缝隙精细化降水预报方法及系统 | |
| CN115545882B (zh) | 一种基于新增信贷不良率的信贷风险预测方法 | |
| CN109903156A (zh) | 基于数据分析的多因子选股方法和装置 | |
| CN117540409B (zh) | 土壤采样样本点加密方法、装置、电子设备及存储介质 | |
| CN113971535B (zh) | 一种能源碳效评价方法和系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |