大數據時代，讓行業分析的精度達到了一個新的高度，也為行業的精細化管理提供了前所未有的便利條件。供水行業在大數據的應用方面似乎滯后于一些行業，但并不阻礙供水行業對大數據的開發和向往。

《凈水技術》小編了解到，作為智慧城市的先行者之一，上海近年來在大數據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用。運用大數據工具，目前上海城投水務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天的供水量預測日報；另一方面也能用長期水量預測模型做年度的月水量計劃。

本文為概述，上海城投水務集團在供水水量大數據分析的具體工作成果請持續關注《凈水技術》本年度發表的相關原創論文。

隨著通信技術的不斷進步，以及業務系統的建設升級，國內各大水司的信息化水平不斷提高，累計的各類業務數據越來越多，數據規模及質量不斷提高，數據統計分析能力進一步提升，數據對業務的支撐作用也越來越強。但是隨著水司對數據分析要求的不斷增強，以及現階段水司內部單一的業務數據及基礎的分析工具，對于將來實現智慧供水的目標還存在距離，所以我們開始重新思考如何豐富數據類型和如何利用新工具實現目標。

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部和外界環境的信息，然后經過人腦內部上億個神經元的計算分析后得出結果，同樣如果未來要實現智慧供水，利用外部數據和先進的分析工具必不可少。

上海作為國內智慧城市建設先試先行的城市，現今已經取得了一定的成果，其中城市公共數據免費開放的力度不斷加大，供水作為城市服務的關鍵一環，與電力、交通和旅游等其他社會服務息息相關，相互之間有很強的關聯性，而這些行業數據可以為水司服務，豐富數據維度，增強內外部聯系，加深水司對用戶行為理解。

一

大數據下的供水量影響因素

以供水量的預測為例，首先市場上產品和服務的價格一定會對用戶用量產生直接的影響，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量的波動，進而影響供水量的波動，下面是消費者價格指數和居民供水量的曲線圖，我們發現消費者價格的變動與居民供水量的變動呈現相反的趨勢。

（藍線為居民供水量曲線，橙線為消費者價格指數）

進一步比較水產品價格和居民供水量發現，二者的相反趨勢更加明顯。

（綠線為水產品價格，藍線為居民供水量）

季節、氣溫和節假日的變化也會對供水量的變化產生深刻的影響，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，國慶和春節小長假由于人口凈流出較多出現短期的用水低谷。

用戶用水一般會伴隨著用電，比如居民做飯洗澡，加工制造企業產品生產等，總用電量、第一產業、第二產業、第三產業和城鄉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生影響。

除了上述舉例，對居民用水量產生影響的因素還有很多，從時間的角度看，CPI指數、PPI指數、氣溫、溫差、空氣質量指數、節假日等因素影響較大，我們還發現每個月開什么花也和供水量有一定的相關性，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、景區等場所的位置分布也會影響供水量。

二

大數據下的水量預測模型工具探索

隨著外部數據量的增加以及計算難度的提高，傳統的數據統計工具（例如excel）可能無法實現要求。近幾年，隨著python編程語言的崛起及算法模型的發展，數據分析的門檻不斷降低，普通人也能通過一段時間的學習，很快實現復雜的數據分析運算，例如多維度數據間的相關性分析，非線性回歸分析等。

Python編程語言作為一種面向對象的解釋性編程語言，具有簡單、易學、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；機器學習模型是一種高效的數據分析算法，可以通過Python語言一步導入進行數據計算，免去了復雜的編程過程，對于沒有計算機編程基礎的人員有很好的適用性。

利用上海市公共數據，通過Python語言進行編程建模取得的水量預測模型已經在日常工作中得到了初步使用，可以實現短期、長期的水量預測，也可以根據業務要求實現特定類型的水量預測，具體應用情況如下：

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%，主要用于根據未來短期內水量變化情況，為供水調度提供數據支撐。

2、未來每月長期水量預測模型，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下計量的水量。

今后隨著技術的不斷成熟，我們可以縮小供水范圍，例如利用預測結果控制小區的供水量，實現供水的精細化調度；還可以將這種方式應用于水質、水壓等數據分析中，發現數據之間的相互關聯程度，從而逐步打通數據孤島，實現智慧供水。

本文 作者：高赫余 王圣 吳瀟勇

本文 采編：《凈水技術》雜志社 阮辰旼

排版：張蕾

校對：黎翔