污水流量与天气数据融合的贝叶斯服务人口预测

来源：计算机技术与发展杂志2024年第08期北京时间：

作者：蔡惠民;*;曹扬;陶政坪;谢真强;

摘要：传统基于污水日均流量及人均用水量的人口预测模型缺乏对天气因素的考虑,存在人口数量测算偏大等问题。为了综合考虑天气因素对污水日均流量的影响,提出了一种基于污水监测数据与天气数据融合的贝叶斯服务人口预测模型。 通过引入天气影响因子,同质化、异质化天气影响因子转化率,天气因素对污水日均流量的贡献量等,构建基于贝叶斯方法的污水日均流量生成模型。 基于随机变分推理,获得生成模型参数的后验分布,进而实现各污水处理厂服务区域的服务人口预测模型。 该模型能抵消区域天气因素的综合影响水平,能更合理地实现污水厂服务区域的人口数量预测。同时,通过统计分析对比了同质化、异质化天气影响因子转化率估计,天气因素对污水日均流量的影响等。 该服务人口预测模型能进一步支撑城市人口的态势感知,对提升社会治理能力有重要意义。

关键词：污水监测;多源数据融合;服务人口预测;贝叶斯分析;随机变分推理