基于HMM和BP神经网络组合模型的用水行为识别

来源：水资源与水工程学报杂志2019年第4期北京时间：

作者：赵太飞，谷伟豪，马欣媛，段延峰

单位：（1.西安理工大学自动化与信息工程学院,2.户县农村供水管理中心

摘要：在当前水资源短缺以及用水量不断增加的背景下，识别农村居民用水行为，对于农村地区居民用水安全和管理、缓解水资源短缺具有重要的意义。为此，提出了一种隐马尔可夫模型（Hidden Markov Model，HMM）和BP神经网络（Back Propagation，BP）相结合的组合模型，模型综合了BP网络优秀的分类识别能力和HMM强大的时域建模能力的优点。该模型首先为居民用水行为的6个事件分别建立1个HMM，然后计算各个模型的最佳状态的输出概率，再将此概率和期望输出共同训练BP神经网络，最后选取测试数据和已建立的组合模型进行匹配，得到识别结果。研究结果表明：该组合模型在用水行为识别准确度上比单独应用HMM模型高8.78%，比单独应用BP神经网络高8.92%，具有一定的应用价值。

关键词：居民用水,行为识别,HMM模型,BP神经网络

基金资助：国家自然科学基金项目(61001069)； 西安市科技计划项目 (CXY1435(4))； 陕西省财政水利科技专项资金项目(2016slkj-30)