【技术实现步骤摘要】
一种基于统计数据的污水量预测方法及系统
[0001]本专利技术涉及污水量预测
，尤其是涉及一种基于统计数据的污水量预测方法及系统。
技术介绍
[0002]随着我国人口的不断增长、社会经济和城市化水平的不断提高，城市污水排放量逐年增加，因此污水处理需求也随之增加。污水处理厂是处理污水的最终单元，在污水厂的设计中，污水量的预测是首要和重要工作。污水量的预测应该符合当地实际发展情况，而不合理的预测结果将直接影响到污水设施的效能和污水收集处理的效果。
[0003]目前，常用的污水量预测方法包括指标分析法和数学模型法。指标分析法通常是将人口和用地作为基础的指标，依据规划，得到规划人口数和规划用地类型，再将人口和用地类型与相应的用水定额和计算系数相乘，得到污水量。然而指标分析法的缺点在于：
①
规划人口常常不等于实际人口，而用地规划不等于实际开发利用程度，因此会导致污水量的预测与实际情况存在偏差；
②
用水定额通常是一个取值范围，不同的取值会导致结果差别较大。数学模型法包括回归分析法、时间序列法(系统动力学模型、ARMA模型、灰色预测模型)和神经网络法等。时间序列法和神经网络法基于历史数据进行分析，对数据的需求较高。回归分析法的关键在于选取自变量，为计算污水量常用多元回归法，但可能存在解释性较差，预测偏差大的问题。另外，行政区划和排水分区通常不一致，但污水量预测往往基于行政区划的相关数据，这样会造成污水量预测的偏差。因此，针对污水量的预测方法仍有待突破。
技术实现思路
>[0004]本专利技术的目的在于提供一种基于统计数据的污水量预测方法及系统，以解决现有技术中存在的污水预测方法预测偏差大的技术问题。本专利技术提供的诸多技术方案中的优选技术方案所能产生的诸多技术效果详见下文阐述。
[0005]为实现上述目的，本专利技术提供了以下技术方案：
[0006]本专利技术提供的一种基于统计数据的污水量预测方法，包括：
[0007]采集预测区域的特征数据；所述特征数据包括预测区域的空间属性数据和统计数据；
[0008]对所获取的统计数据进行时间分组和对每组统计数据进行分层处理，并构建不同时间分组中相邻层之间的最优拟合路径；
[0009]基于最优拟合路径预测行政区划内的污水量；并基于行政区划和统计数据的变化，对行政区划内的污水量预测结果进行动态更新；
[0010]基于所获取的预测区域的空间属性数据对行政区划的预测污水量进行空间分配，以获得所述预测区域内的污水量。
[0011]根据一种优选实施方式，所述空间属性数据包括行政区划数据、排水分区数据和
用地类型数据；
[0012]所述统计数据包括按照可收集到的最小行政单元进行收集的某段时间内的人口数据、经济产值数据、供水量数据、污水量数据和污水处理率数据。
[0013]根据一种优选实施方式，所述人口数据包括常住人口和分年龄人口数；所述经济产值数据包括生产总值、第一产生产值、第二产业产值和第三产业产值；所述供水量包括总售水量、生产用水量和生活用水量；所述污水量包括生活污水量和工业污水量。
[0014]根据一种优选实施方式，所述对所采集的统计数据进行时间分组和对每组统计数据进行分层处理，并构建不同时间分组中相邻层之间的最优拟合路径，包括：
[0015]按照近五年、近十年、近二十年和近三十年对统计数据进行时间分组；
[0016]按照初始层、中间层和终点层对每组统计数据进行分层处理；其中，所述起始层为人口和经济产值层，中间层为供水量层，终点层为污水量层；
[0017]构建初始层与中间层之间及中间层与终点层之间的最优拟合路径。
[0018]根据一种优选实施方式，所述构建初始层与中间层之间及中间层与终点层之间的最优拟合路径，包括：
[0019]将上一层的统计数据进行任意组合，组成若干个子集合；
[0020]将每个子集合均与下一层的每个指标进行拟合，以获得相邻层指标之间的最优拟合方式，最终分别获得初始层与中间层之间以及中间层与终点层之间的最优拟合路径。
[0021]根据一种优选实施方式，所述基于最优拟合路径预测行政区划内的污水量；并基于行政区划和统计数据的变化，对行政区划内的污水量预测结果进行动态更新，包括：
[0022]对起始层的人口和经济产值指标进行预测；
[0023]基于起始层指标的预测值，根据最优拟合路径预测行政区划内的污水量；
[0024]根据行政区划情况的变化和统计数据的更新，对污水量预测结果及时进行修正和动态更新。
[0025]根据一种优选实施方式，所述对起始层的人口和经济产值指标进行预测，包括：
[0026]基于最优拟合路径，选取最优拟合路径中起始层的人口和经济产值指标并进行分析；
[0027]分别用S型、指数型和线性三种趋势对指标进行拟合，并选取最优的拟合结果；
[0028]使用趋势外推法获得起始层的人口和经济产值指标在未来一段时间内的预测值。
[0029]根据一种优选实施方式，所述基于所获取的预测区域的空间属性数据对行政区划的预测污水量进行空间分配，以获得所述预测区域内的污水量，包括：
[0030]获取预测区域所包含的排水分区数据和行政区划数据；
[0031]通过排水分区对行政区划进行重新切割，并结合用地类型数据，将行政区划的预测污水量分配到不同的排水分区；
[0032]对所有排水分区的污水量进行加和，以获得预测区域的污水量。
[0033]本专利技术还提供了一种基于统计数据的污水量预测装置，包括：
[0034]数据采集模块，用于采集预测区域的特征数据；
[0035]数据处理和拟合分析模块，用于对所获取的统计数据进行时间分组和对每组统计数据进行分层处理；并构建不同时间分组中相邻层之间的最优拟合路径；
[0036]污水量计算和结果迭代模块，用于基于最优拟合路径预测行政区划内的污水量；
并基于统计数据的变化，对行政区划内的污水量预测结果进行动态更新；
[0037]空间分析模块，用于基于所获取的预测区域的空间属性数据对行政区划的预测污水量进行空间分配，以获得所述预测区域内的污水量。
[0038]根据一种优选实施方式，所述污水量计算和结果迭代模块还包括初始层预测模块，用于分析初始层的人口和经济产值指标在未来一段时间的发展趋势，以对起始层的人口和经济产值指标进行预测。
[0039]基于上述技术方案，本专利技术的基于统计数据的污水量预测方法至少具有如下技术效果：
[0040]本专利技术提供了一种基于统计数据的污水量预测方法，包括：采集预测区域的特征数据；所述特征数据包括预测区域的空间属性数据和统计数据；对所获取的统计数据进行时间分组和对每组统计数据进行分层处理，并构建不同时间分组中相邻层之间的最优拟合路径；基于最优拟合路径预测行政区划内的污水量；并基于统计数据的变化，对行政区划内的污水量预测结果进行动态更新；基于本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于统计数据的污水量预测方法，其特征在于，包括：采集预测区域的特征数据；所述特征数据包括预测区域的空间属性数据和统计数据；对所获取的统计数据进行时间分组和对每组统计数据进行分层处理，并构建不同时间分组中相邻层之间的最优拟合路径；基于最优拟合路径预测行政区划内的污水量；并基于行政区划和统计数据的变化，对行政区划内的污水量预测结果进行动态更新；基于所获取的预测区域的空间属性数据对行政区划的预测污水量进行空间分配，以获得所述预测区域内的污水量。2.根据权利要求1所述的基于统计数据的污水量预测方法，其特征在于，所述空间属性数据包括行政区划数据、排水分区数据和用地类型数据；所述统计数据包括按照可收集到的最小行政单元进行收集的某段时间内的人口数据、经济产值数据、供水量数据、污水量数据和污水处理率数据。3.根据权利要求2所述的基于统计数据的污水量预测方法，其特征在于，所述人口数据包括常住人口和分年龄人口数；所述经济产值数据包括生产总值、第一产生产值、第二产业产值和第三产业产值；所述供水量包括总售水量、生产用水量和生活用水量；所述污水量包括生活污水量和工业污水量。4.根据权利要求1所述的基于统计数据的污水量预测方法，其特征在于，所述对所采集的统计数据进行时间分组和对每组统计数据进行分层处理，并构建不同时间分组中相邻层之间的最优拟合路径，包括：按照近五年、近十年、近二十年和近三十年对统计数据进行时间分组；按照初始层、中间层和终点层对每组统计数据进行分层处理；其中，所述起始层为人口和经济产值层，中间层为供水量层，终点层为污水量层；构建初始层与中间层之间及中间层与终点层之间的最优拟合路径。5.根据权利要求4所述的基于统计数据的污水量预测方法，其特征在于，所述构建初始层与中间层之间及中间层与终点层之间的最优拟合路径，包括：将上一层的统计数据进行任意组合，组成若干个子集合；将每个子集合均与下一层的每个指标进行拟合，以获得相邻层指标之间的最优拟合方式，最终分别获得初始层与中间层之间以及中间层与终点层之间的最优拟合路径。6.根据权利要求4所述的基于统计数据的污...
【专利技术属性】
技术研发人员：蒋博峰，唐晓雪，何洪昌，冒建华，安莹玉，
申请(专利权)人：北控水务中国投资有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。