Water is one of the most important

Water is one of the most important resources for economic and social developments. Daily water demand
forecasting is an effective measure for scheduling urban water facilities. This work proposes a multi-scale
relevance vector regression (MSRVR) approach to forecast daily urban water demand. The approach uses
the stationary wavelet transform to decompose historical time series of daily water supplies into different
scales. At each scale, the wavelet coefficients are used to train a machine-learning model using the
relevance vector regression (RVR) method. The estimated coefficients of the RVR outputs for all of the
scales are employed to reconstruct the forecasting result through the inverse wavelet transform. To better
facilitate the MSRVR forecasting, the chaos features of the daily water supply series are analyzed to
determine the input variables of the RVR model. In addition, an adaptive chaos particle swarm optimization
algorithm is used to find the optimal combination of the RVR model parameters. The MSRVR
approach is evaluated using real data collected from two waterworks and is compared with recently
reported methods. The results show that the proposed MSRVR method can forecast daily urban water
demand much more precisely in terms of the normalized root-mean-square error, correlation coefficient,
and mean absolute percentage error criteria.

ผลลัพธ์ (ไทย) 1:

น้ำเป็นทรัพยากรสำคัญที่สุดสำหรับการพัฒนาเศรษฐกิจ และสังคมอย่างใดอย่างหนึ่ง ความต้องการน้ำรายวันการคาดการณ์เป็นมาตรการที่มีประสิทธิภาพสำหรับการจัดกำหนดการทางเมืองน้ำ งานนี้นำเสนอเครื่องชั่งหลายวิธีการถดถอย (MSRVR) เวกเตอร์ของความเกี่ยวข้องในการพยากรณ์ความต้องการในเมืองทุกวัน วิธีการใช้แปลงเดียวนิ่งเน่าสลายชุดประปาวันเวลาในอดีตเป็นที่แตกต่างกันเครื่องชั่ง ในแต่ละระดับ สัมประสิทธิ์เดียวใช้ในการฝึกการเรียนรู้ของเครื่องรุ่นใช้การวิธีการถดถอย (RVR) เวกเตอร์ความเกี่ยวข้อง สัมประสิทธิ์ของ RVR การประเมินผลของการเครื่องชั่งที่ถูกว่าจ้างในการสร้างผลการคาดการณ์ผ่านการแปลงผกผันเดียว ที่ดีกว่าMSRVR การคาดการณ์ มีวิเคราะห์คุณลักษณะความโกลาหลของชุดจ่ายน้ำทุกวันเพื่ออำนวยความสะดวกกำหนดตัวแปรอินพุตของรุ่น RVR นอกจากนี้ อนุภาคปรับความสับสนวุ่นวายการรุมเพิ่มประสิทธิภาพอัลกอริทึมจะใช้ในการค้นหาชุดที่ดีที่สุดของพารามิเตอร์รุ่น RVR MSRVR การวิธีประเมินโดยใช้ข้อมูลจริงที่เก็บรวบรวมจากประปาสอง และเปรียบเทียบกับเมื่อเร็ว ๆ นี้วิธีการรายงาน ผลแสดงว่า วิธี MSRVR การนำเสนอสามารถคาดการณ์น้ำในเมืองทุกวันความต้องการได้อย่างแม่นยำมากขึ้นในแง่ของมาตรฐานรากหมายถึงตารางข้อผิดพลาด สัมประสิทธิ์สหสัมพันธ์และเปอร์เซ็นต์แน่นอนหมายถึง เงื่อนไขข้อผิดพลาด

ผลลัพธ์ (ไทย) 2:

น้ำเป็นหนึ่งในแหล่งข้อมูลที่สำคัญที่สุดสำหรับการพัฒนาทางเศรษฐกิจและสังคม ความต้องการน้ำในชีวิตประจำวัน
การคาดการณ์เป็นวัดที่มีประสิทธิภาพสำหรับการจัดตารางสิ่งอำนวยความสะดวกน้ำในเมือง งานนี้นำเสนอหลายระดับ
ความสัมพันธ์กันเวกเตอร์ถดถอย (MSRVR) วิธีการที่จะคาดการณ์ความต้องการใช้น้ำในเมืองทุกวัน วิธีการใช้
เวฟนิ่งเปลี่ยนในการย่อยสลายอนุกรมเวลาทางประวัติศาสตร์ของแหล่งน้ำในชีวิตประจำวันที่แตกต่างกันออกเป็น
เกล็ด ในแต่ละระดับค่าสัมประสิทธิ์เวฟถูกนำมาใช้ในการฝึกอบรมรูปแบบการเรียนรู้เครื่องใช้
ถดถอยความสัมพันธ์กันเวกเตอร์ (RVR) วิธีการ ประมาณค่าสัมประสิทธิ์ของผล RVR สำหรับทั้งหมดของ
เครื่องชั่งที่ใช้ในการสร้างผลการคาดการณ์ผ่านผกผันแปลงเวฟเล็ต ที่ดีกว่าการ
อำนวยความสะดวกในการคาดการณ์ MSRVR ที่คุณลักษณะของความสับสนวุ่นวายของชุดน้ำประปาในชีวิตประจำวันมีการวิเคราะห์เพื่อ
กำหนดตัวแปรของรูปแบบ RVR นอกจากนี้ยังมีความสับสนวุ่นวายของอนุภาคการเพิ่มประสิทธิภาพจับกลุ่มปรับตัว
อัลกอริทึมที่ใช้ในการหาชุดที่ดีที่สุดของพารามิเตอร์แบบ RVR MSRVR
วิธีการได้รับการประเมินโดยใช้ข้อมูลจริงที่เก็บรวบรวมจากสองประปาและเมื่อเร็ว ๆ นี้เมื่อเทียบกับ
วิธีการรายงาน ผลการศึกษาพบว่าวิธีการ MSRVR ที่นำเสนอสามารถคาดการณ์น้ำในเมืองทุกวัน
ความต้องการมากอย่างแม่นยำมากขึ้นในแง่ของรากเฉลี่ยตารางข้อผิดพลาดปกติค่าสัมประสิทธิ์สหสัมพันธ์,
และค่าเฉลี่ยร้อยละเกณฑ์ข้อผิดพลาดแน่นอน

ผลลัพธ์ (ไทย) 3:

น้ำเป็นหนึ่งในทรัพยากรที่สำคัญที่สุดสำหรับการพัฒนาทางเศรษฐกิจและสังคม ความต้องการน้ำรายวันการพยากรณ์เป็นมาตรการที่มีประสิทธิภาพสำหรับการตั้งเวลาเครื่องน้ำในเมือง งานนี้นำเสนอหลายมาตราส่วนความเกี่ยวข้องเวกเตอร์การถดถอย ( msrvr ) วิธีการพยากรณ์ความต้องการเมืองน้ำทุกวัน วิธี ใช้แปลงเวฟเล็ตเครื่องเขียนส่วนอนุกรมเวลาทางประวัติศาสตร์ของวัสดุที่แตกต่างกันในน้ำทุกวันเครื่องชั่ง ในแต่ละระดับค่าสัมประสิทธิ์เวฟเล็ตเพื่อใช้ฝึกการเรียนรู้แบบใช้เครื่องความเกี่ยวข้องเวกเตอร์การถดถอย ( RVR ) วิธี การประมาณค่าสัมประสิทธิ์ของ RVR ผลผลิตทั้งหมดของเครื่องชั่ง เพื่อใช้สร้างการพยากรณ์ผลผ่านวิธีการผกผันเปลี่ยนไป ไปดีกว่าให้ msrvr การพยากรณ์ ความวุ่นวาย คุณสมบัติของชุดน้ำทุกวัน จะวิเคราะห์กำหนดตัวแปรนำเข้าของ RVR นางแบบ นอกจากนี้ การเพิ่มประสิทธิภาพความสับสนวุ่นวายฝูงอนุภาคขั้นตอนวิธีที่ใช้ในการหาชุดที่ดีที่สุดของรุ่น RVR พารามิเตอร์ การ msrvrวิธีการประเมินใช้จริง ข้อมูลจากการประปา และเปรียบเทียบกับสองเมื่อเร็วๆ นี้รายงานวิธีการ ผลการวิจัยแสดงให้เห็นว่า การนำเสนอ msrvr วิธีการพยากรณ์น้ำในเมืองทุกวันความต้องการมากขึ้นแน่นอนในแง่ของค่า Root Mean Square Error สัมประสิทธิ์และค่าเฉลี่ยเปอร์เซ็นต์ความคลาดเคลื่อนสัมบูรณ์เป็นเกณฑ์ .