張恒飛 成雪夫 田昊 梅林輝

摘要：在農(nóng)村供水工程運行過程中，通過觀察發(fā)現(xiàn)用水量呈現(xiàn)出一定的規(guī)律性，可將其作為水廠供水生產(chǎn)安排和管網(wǎng)運行狀態(tài)檢測的基礎(chǔ)。在彭陽縣農(nóng)村供水工程實際監(jiān)測數(shù)據(jù)基礎(chǔ)上，對相鄰數(shù)據(jù)進行了數(shù)據(jù)加權(quán)平滑處理，并進一步采用季節(jié)性自回歸差分滑動平均算法進行了建模，對研究區(qū)域的用水量進行了預(yù)測。實驗結(jié)果表明：農(nóng)村供水工程中的用水?dāng)?shù)據(jù)的確具有周期性的變化規(guī)律，在消除周期性并進行一階差分后序列滿足平穩(wěn)條件。運用SARIMA算法預(yù)測的結(jié)果，與實際數(shù)據(jù)對比誤差較小，且滿足在線實時計算的條件，可作為農(nóng)村供水工程調(diào)度和檢測的依據(jù)。

關(guān)鍵詞：農(nóng)村供水; 用水量預(yù)測; SARIMA; 加權(quán)平滑; 時間序列

中圖法分類號：TU991.31 文獻標志碼：A DOI：10.15974/j.cnki.slsdkb.2022.04.007

文章編號：1006 - 0081（2022）04 - 0042 - 04

0 引 言

從中國供水發(fā)展的歷程來看，首先解決的是城市地區(qū)集中供水的問題，偏遠的城鎮(zhèn)和農(nóng)村地區(qū)長期采用河湖、水窖、地下水等分散取水方式。近年來，政府大力提升農(nóng)村安全飲水條件，建成1 100萬處農(nóng)村供水工程。農(nóng)村供水工程點多、線長、面廣的特點突出，與城市供水形成顯著差異，也帶來了跑冒滴漏嚴重、運行管理困難等現(xiàn)實問題[1]。隨著物聯(lián)網(wǎng)技術(shù)的興起，農(nóng)村供水領(lǐng)域的監(jiān)測問題找到了解決途徑[2-4]。隴通輸水東干農(nóng)村供水工程對系統(tǒng)輸配水管道壓力、流量情況進行無線監(jiān)測[5];對農(nóng)村供水管網(wǎng)監(jiān)測的布設(shè)也被納入研究[6];紹興市農(nóng)村供水采用了分區(qū)計量等手段，加強對農(nóng)村供水管網(wǎng)的漏損控制[7]。

在城市供水水量預(yù)測方面，黃傳連等[8]提出了利用時間序列三角函數(shù)分析法進行用水量預(yù)測，體現(xiàn)了用水量增長趨勢和周期性變化。丁祥等[9]提出基于灰色馬爾科夫模型的天津市供水總量預(yù)測，提高了對波動性較大序列的適應(yīng)性。劉洪波等[10]提出利用小波神經(jīng)網(wǎng)絡(luò)的方法對城市供水管網(wǎng)水量進行預(yù)測，提高了預(yù)測精度。由于農(nóng)村集中供水的建設(shè)時間尚短，尤其是農(nóng)村供水監(jiān)測的實施近幾年剛剛興起，故農(nóng)村供水規(guī)律及用水量預(yù)測等相關(guān)研究處在起步階段。

通過農(nóng)村供水工程運維過程中對用水量監(jiān)測數(shù)據(jù)的觀察，發(fā)現(xiàn)其呈現(xiàn)出一定的規(guī)律性。而用水量規(guī)律的發(fā)現(xiàn)可以為供水系統(tǒng)的生產(chǎn)安排提供依據(jù)，也能夠為管網(wǎng)運行狀態(tài)的實時在線診斷提供基礎(chǔ)。

季節(jié)性差分自回歸滑動平均模型（Seasonal Autoregressive Integrated Moving Average，簡稱SARIMA模型），是當(dāng)前常用的時間序列預(yù)測分析方法之一，被廣泛應(yīng)用在經(jīng)濟社會各領(lǐng)域的預(yù)測場景中[11-14]。SARIMA模型率定計算快速，具備自學(xué)習(xí)能力，非常適合在線實時預(yù)測分析。而農(nóng)村供水工程用水量是長時段的時間序列，且理論上不受過多外部因素的影響，滿足SARIMA模型對平穩(wěn)性的要求。

1 用水量數(shù)據(jù)獲取及預(yù)處理

以彭陽縣“互聯(lián)網(wǎng)+農(nóng)村供水”工程為例，供水自動化測控體系利用無線物聯(lián)網(wǎng)技術(shù)，實現(xiàn)從源頭到龍頭全過程計量監(jiān)控，為農(nóng)村供水用水量的獲取提供前端感知基礎(chǔ)，為后續(xù)規(guī)律發(fā)現(xiàn)和預(yù)測提供數(shù)據(jù)保證。

（1） 水源地監(jiān)控。包括余氯、濁度、pH值、水溫、電導(dǎo)率等指標。

（2） 水廠監(jiān)控。包括取水流量、管道壓力、管道流量、閥門開度、水池水位、水質(zhì)監(jiān)測、機組運行狀態(tài)、視頻監(jiān)控等，其中水質(zhì)包括余氯、濁度、pH值、水溫、電導(dǎo)率等指標。

（3） 泵站監(jiān)控。包括泵站機組運行狀態(tài)、管道壓力、累計流量、閥門開關(guān)、設(shè)備狀態(tài)、信號強度等指標。

（4） 調(diào)蓄水池監(jiān)控。包括水池水位、供水閥門開關(guān)狀態(tài)、設(shè)備狀態(tài)、信號強度等指標。

（5） 管網(wǎng)監(jiān)控。包括管道壓力、累計流量、設(shè)備狀態(tài)、信號強度等指標。

（6） 入戶監(jiān)控。包括水表當(dāng)前讀數(shù)、水表閥門狀態(tài)、水表狀態(tài)、信號強度等指標。

本文實驗所用片區(qū)的流量數(shù)據(jù)采集頻率為15 min一次，原始采集指標為累積流量。鑒于該片區(qū)大口徑流量計量設(shè)備是以m3為單位，因此將原始采集數(shù)據(jù)處理為以小時為單位的水量數(shù)據(jù)，以降低計量誤差帶來的影響。

2 用水量數(shù)據(jù)平穩(wěn)性檢驗

在統(tǒng)計分析中，用按時間順序排列的一組變量來表示一個隨機事件的時間序列。對于一個選擇ARMA方法進行建模的時間序列，首先必須滿足平穩(wěn)性。在現(xiàn)實生活中，時間序列是很難滿足嚴、平、穩(wěn)的要求，一般所講的平穩(wěn)時間序列在默認情況下都是指寬平穩(wěn)時間序列，即：

均值為常數(shù)：

[EXt=μ，?t∈T]? ? ? ? ? ? ? ? ? ? ? ? ? ?（1）

方差為常數(shù)：

[DXt=γ（t，t）=γ（0），?t∈T]? ? ? ? ? ? ? ? ? （2）

自協(xié)方差函數(shù)和自相關(guān)系數(shù)與時間無關(guān)：

[γ（t，s）=γ（k，k+s-t），?t，s，k∈T]? ? ? ? ? ? ? ? （3）

對時間序列的平穩(wěn)性檢驗包括構(gòu)造檢驗統(tǒng)計量法和圖檢法兩種，本文分別采用增廣迪基-福勒檢驗單位根的方式來完成定量檢驗，同時輸出時序圖和自相關(guān)圖進行直觀判斷。

對經(jīng)過預(yù)處理的供水量數(shù)據(jù)直接進行平穩(wěn)性檢查，結(jié)果如圖1所示，可見其自相關(guān)圖沒有收斂到距離0較近的范圍內(nèi)。

經(jīng)過分析認為，該時間序列存在明顯的季節(jié)性變化，即每24 h有較為明顯的變化規(guī)律，應(yīng)對其進行周期為24 h的去季節(jié)性處理。對處理后的數(shù)據(jù)再進行平穩(wěn)性檢驗，結(jié)果（圖2）顯示自相關(guān)系數(shù)仍存在一定的規(guī)律性。

因此，在季節(jié)處理基礎(chǔ)上增加了差分處理，再對其進行平穩(wěn)性檢驗，結(jié)果（圖3）表明時間序列的自相關(guān)系數(shù)和偏自相關(guān)系數(shù)均收斂至較低的水平，且不存在較強的規(guī)律性。

3 SARIMA模型參數(shù)計算

在驗證了時間序列經(jīng)過季節(jié)和差分處理能夠滿足平穩(wěn)性要求后，進入SARIMA建模階段。SARIMA（p，d，q）（P，D，Q，s） 的結(jié)構(gòu)參數(shù)有7個：p 表示自回歸模型的階，指當(dāng)前值與前p個值有關(guān);d為差分計算的階，指時間序列經(jīng)過d階差分達到穩(wěn)定狀態(tài);q為滑動平均模型的階，指當(dāng)前值與前q個誤差有關(guān);P表示季節(jié)性自回歸的階;D為季節(jié)性差分計算的階;Q為季節(jié)性滑動平均的階;S為單季節(jié)周期長度。

根據(jù)穩(wěn)定性分析結(jié)果，目測SARIMA模型應(yīng)選取的參數(shù)如表1所示。

經(jīng)計算，模型SARMAX（5，1，1）（1，1，1，24）的赤池信息準則AIC為511.551。模型預(yù)測結(jié)果（圖4）的平均絕對誤差為7.37%，處于較低水平，即模型預(yù)測能力較好。

觀測法給出了一個粗略的估計，用程序在給定的參數(shù)范圍內(nèi)進行優(yōu)選，優(yōu)選的目標是模型的AIC最小。模型參數(shù)優(yōu)選范圍如表2所示。

根據(jù) AIC 最小原則進行調(diào)參，最后得出的最優(yōu)參數(shù)為SARMAX（4，1，1）（1，1，1，24），AIC為511.474。模型預(yù)測結(jié)果（圖5）的平均絕對誤差為7.32%，比目測觀察的參數(shù)預(yù)測效果略有提升。

4 結(jié) 語

本文以彭陽縣“互聯(lián)網(wǎng)+農(nóng)村供水”工程某片區(qū)實測用水量數(shù)據(jù)為例，對數(shù)據(jù)進行了基于滑動加權(quán)平均和小時內(nèi)用水量累加的預(yù)處理，使時間序列數(shù)據(jù)能夠相對準確地反映用水實際情況。在此基礎(chǔ)上，對時間序列的平穩(wěn)性進行檢驗，通過去日季周期性以及一次差分的操作使時間序列滿足平穩(wěn)性要求，也驗證了用水量不易被外部因素干擾的判斷。通過觀察和程序自動優(yōu)選，完成SARIMA模型建模和預(yù)測。實驗證明，農(nóng)村供水工程用水量的SARIMA模型具有較好的預(yù)測能力，且具備在線實時預(yù)測的條件。后續(xù)研究擬在本文建立的SARIMA模型基礎(chǔ)上，進一步實現(xiàn)管網(wǎng)運行狀態(tài)的在線檢測和預(yù)警。

參考文獻：

[1] 林佳楠. 阜新市農(nóng)村飲水安全現(xiàn)狀分析與對策[J]. 水利技術(shù)監(jiān)督，2019，147（1）：78-79，206.

[2] 韋應(yīng)堂，魏凱，蔣曉云. 物聯(lián)網(wǎng)及專家決策系統(tǒng)在黑石灌區(qū)的應(yīng)用[J]. 水利規(guī)劃與設(shè)計，2020（2）：74-78.

[3] 潘悅. 基于復(fù)雜事件處理的供水漏失監(jiān)測系統(tǒng)研究[D]. 杭州：浙江理工大學(xué)，2015.

[4] 陳振亞. 應(yīng)用物聯(lián)網(wǎng)構(gòu)建供水計量監(jiān)測系統(tǒng)模型的實踐[J]. 給水排水，2013（6）：111-115.

[5] 余琴琴. 無線傳輸技術(shù)在農(nóng)村飲水安遠系統(tǒng)中的應(yīng)用[J]. 農(nóng)業(yè)工程，2018，8（11）：39-42.

[6] 馬月坤，杜堯，陳金水，等. 農(nóng)村供水管網(wǎng)監(jiān)控資源調(diào)配模型及求解方法[J]. 節(jié)水灌溉，2016（5）：110-112.

[7] 丁亮. 南方地區(qū)農(nóng)村供水管網(wǎng)漏損控制的應(yīng)用研究[J]. 給水排水，2018，44（6）：115-118.

[8] 黃傳連. 基于時間序列挖掘的城市供水控制系統(tǒng)研究[J].? 科技經(jīng)濟市場，2013（10）：19-20.

[9] 丁祥，王彤. 基于灰色馬爾科夫模型的天津市供水總量預(yù)測[J]. 供水技術(shù)，2021，15（5）：1-5.

[10] 劉洪波，張宏偉，閆曉強. 城市供水管網(wǎng)水量預(yù)測的小波神經(jīng)網(wǎng)絡(luò)方法[J]. 天津大學(xué)學(xué)報，2005，38（7）：636-639.

[11] 任爽，崔海波.? SARIMA時序分析在稅收預(yù)測中的應(yīng)用——以貴州省為例[J]. 湖北大學(xué)學(xué)報（自然科學(xué)版），2021，43（1）：80-85.

[12] 郭靜利，董渤. 基于SARIMA模型的國際稻米價格預(yù)測[J]. 價格理論與實踐，2019（1）：79-82.

[13] 李斌，胡德秀，楊杰，等. 基于MLR-SARIMA模型的土石壩位移預(yù)測[J]. 工程科學(xué)與技術(shù)，2019，51（2）：108-114.

[14] 鄭秀國，楊娟，錢婷婷，等. 近十年上海蔬菜價格的SARIMA分析與預(yù)測[J]. 上海農(nóng)業(yè)學(xué)報，2020，36（6）：138-141.

（編輯：唐湘茜）

Real-time forecast of water consumption in rural water supply projects based on SARIMA model

ZHANG Hengfei1，2， CHENG Xuefu1， TIAN Hao1， MEI Linhui1

（1. Changjiang Survey， Planning， Design and Research Co. Ltd.， Wuhan 430010， China; 2. National Dam Safety Engineering

Research Center， Wuhan 430010， China）

Abstract： In the operation of rural water supply projects， it was observed that water consumption showed a certain regularity. This regularity could be used for the arrangement of water supply production of water plant and detection of the operation status of pipe network. Based on the actual monitoring data of rural water supply projects in Pengyang County， we took weighted smoothing method to pre-process adjacent data， and further adopted seasonal auto-regressive differential moving average algorithm to predict the water consumption in the study area. The experimental results showed that the water consumption data in rural water supply projects was periodical. Time series data became stable with eliminating periodicity and performing a first-order difference. The mean absolute error of forecast result was low using SARIMA model. The method proposed in this paper met the conditions of online real-time calculation， which could be used for the dispatch and detection of rural water supply projects.

Key words：rural water supply; water consumption measurement; SARIMA; weighted average smoothing; time series data