大數(shù)據(jù)時代，讓行業(yè)分析的精度達(dá)到了一個新的高度，也為行業(yè)的精細(xì)化管理提供了前所未有的便利條件。供水行業(yè)在大數(shù)據(jù)的應(yīng)用方面似乎滯后于一些行業(yè)，但并不阻礙供水行業(yè)對大數(shù)據(jù)的開發(fā)和向往。

《凈水技術(shù)》小編了解到，作為智慧城市的先行者之一，上海近年來在大數(shù)據(jù)的分析方面開展了一些工作，并采用多種模型工具進行探索和應(yīng)用。運用大數(shù)據(jù)工具，目前上海城投水務(wù)集團一方面能夠每天能夠為下轄的11個供水所提供未來3天的供水量預(yù)測日報；另一方面也能用長期水量預(yù)測模型做年度的月水量計劃。

本文為概述，上海城投水務(wù)集團在供水水量大數(shù)據(jù)分析的具體工作成果請持續(xù)關(guān)注《凈水技術(shù)》本年度發(fā)表的相關(guān)原創(chuàng)論文。

隨著通信技術(shù)的不斷進步，以及業(yè)務(wù)系統(tǒng)的建設(shè)升級，國內(nèi)各大水司的信息化水平不斷提高，累計的各類業(yè)務(wù)數(shù)據(jù)越來越多，數(shù)據(jù)規(guī)模及質(zhì)量不斷提高，數(shù)據(jù)統(tǒng)計分析能力進一步提升，數(shù)據(jù)對業(yè)務(wù)的支撐作用也越來越強。但是隨著水司對數(shù)據(jù)分析要求的不斷增強，以及現(xiàn)階段水司內(nèi)部單一的業(yè)務(wù)數(shù)據(jù)及基礎(chǔ)的分析工具，對于將來實現(xiàn)智慧供水的目標(biāo)還存在距離，所以我們開始重新思考如何豐富數(shù)據(jù)類型和如何利用新工具實現(xiàn)目標(biāo)。

智慧供水的目的是希望決策能像人腦一樣，而我們知道人腦在決策之前首先要同時感知身體內(nèi)部和外界環(huán)境的信息，然后經(jīng)過人腦內(nèi)部上億個神經(jīng)元的計算分析后得出結(jié)果，同樣如果未來要實現(xiàn)智慧供水，利用外部數(shù)據(jù)和先進的分析工具必不可少。

上海作為國內(nèi)智慧城市建設(shè)先試先行的城市，現(xiàn)今已經(jīng)取得了一定的成果，其中城市公共數(shù)據(jù)免費開放的力度不斷加大，供水作為城市服務(wù)的關(guān)鍵一環(huán)，與電力、交通和旅游等其他社會服務(wù)息息相關(guān)，相互之間有很強的關(guān)聯(lián)性，而這些行業(yè)數(shù)據(jù)可以為水司服務(wù)，豐富數(shù)據(jù)維度，增強內(nèi)外部聯(lián)系，加深水司對用戶行為理解。

一

大數(shù)據(jù)下的供水量影響因素

以供水量的預(yù)測為例，首先市場上產(chǎn)品和服務(wù)的價格一定會對用戶用量產(chǎn)生直接的影響，例如對于家庭每天都會用水清洗蔬菜水果等食品，而這些食品的價格的波動會決定居民采購數(shù)量的波動，進而影響供水量的波動，下面是消費者價格指數(shù)和居民供水量的曲線圖，我們發(fā)現(xiàn)消費者價格的變動與居民供水量的變動呈現(xiàn)相反的趨勢。

（藍(lán)線為居民供水量曲線，橙線為消費者價格指數(shù)）

進一步比較水產(chǎn)品價格和居民供水量發(fā)現(xiàn)，二者的相反趨勢更加明顯。

（綠線為水產(chǎn)品價格，藍(lán)線為居民供水量）

季節(jié)、氣溫和節(jié)假日的變化也會對供水量的變化產(chǎn)生深刻的影響，下面這張曲線圖清楚的描繪了這些變化，夏季是用水高峰期，國慶和春節(jié)小長假由于人口凈流出較多出現(xiàn)短期的用水低谷。

用戶用水一般會伴隨著用電，比如居民做飯洗澡，加工制造企業(yè)產(chǎn)品生產(chǎn)等，總用電量、第一產(chǎn)業(yè)、第二產(chǎn)業(yè)、第三產(chǎn)業(yè)和城鄉(xiāng)居民的用電趨勢與用水趨勢基本一致。

上海作為國際化大都市每年都會吸引全球各地的游客前來旅游，這部分游客也會對供水量產(chǎn)生影響。

除了上述舉例，對居民用水量產(chǎn)生影響的因素還有很多，從時間的角度看，CPI指數(shù)、PPI指數(shù)、氣溫、溫差、空氣質(zhì)量指數(shù)、節(jié)假日等因素影響較大，我們還發(fā)現(xiàn)每個月開什么花也和供水量有一定的相關(guān)性，比如上海3月份櫻花盛開，居民會外出賞花，這些活動會造成餐館人數(shù)的增加，從而影響了供水；從空間的角度看，工廠、餐館、商場、景區(qū)等場所的位置分布也會影響供水量。

二

大數(shù)據(jù)下的水量預(yù)測模型工具探索

隨著外部數(shù)據(jù)量的增加以及計算難度的提高，傳統(tǒng)的數(shù)據(jù)統(tǒng)計工具（例如excel）可能無法實現(xiàn)要求。近幾年，隨著python編程語言的崛起及算法模型的發(fā)展，數(shù)據(jù)分析的門檻不斷降低，普通人也能通過一段時間的學(xué)習(xí)，很快實現(xiàn)復(fù)雜的數(shù)據(jù)分析運算，例如多維度數(shù)據(jù)間的相關(guān)性分析，非線性回歸分析等。

Python編程語言作為一種面向?qū)ο蟮慕忉屝跃幊陶Z言，具有簡單、易學(xué)、速度快、可移植性高和具有豐富的庫等特點，越來越受到人們的重視和使用；機器學(xué)習(xí)模型是一種高效的數(shù)據(jù)分析算法，可以通過Python語言一步導(dǎo)入進行數(shù)據(jù)計算，免去了復(fù)雜的編程過程，對于沒有計算機編程基礎(chǔ)的人員有很好的適用性。

利用上海市公共數(shù)據(jù)，通過Python語言進行編程建模取得的水量預(yù)測模型已經(jīng)在日常工作中得到了初步使用，可以實現(xiàn)短期、長期的水量預(yù)測，也可以根據(jù)業(yè)務(wù)要求實現(xiàn)特定類型的水量預(yù)測，具體應(yīng)用情況如下：

1、未來每天和每小時短期供水量模型，相對平均誤差分別為1.5%和1.9%，主要用于根據(jù)未來短期內(nèi)水量變化情況，為供水調(diào)度提供數(shù)據(jù)支撐。

2、未來每月長期水量預(yù)測模型，相對平均誤差為2.4%和2.5%，主要用于未來長期用水量計劃制定。

3、邊界流量儀水量預(yù)測模型，相對平均誤差為3.0%，主要用于修正流量儀非正常工作狀態(tài)下計量的水量。

今后隨著技術(shù)的不斷成熟，我們可以縮小供水范圍，例如利用預(yù)測結(jié)果控制小區(qū)的供水量，實現(xiàn)供水的精細(xì)化調(diào)度；還可以將這種方式應(yīng)用于水質(zhì)、水壓等數(shù)據(jù)分析中，發(fā)現(xiàn)數(shù)據(jù)之間的相互關(guān)聯(lián)程度，從而逐步打通數(shù)據(jù)孤島，實現(xiàn)智慧供水。

本文 作者：高赫余 王圣 吳瀟勇

本文 采編：《凈水技術(shù)》雜志社 阮辰旼

排版：張蕾

校對：黎翔