水务热点 | 从58维到16维：XGBoost+贝叶斯优化让水厂供水量预测精度提到4.6%

导 语

水厂调度要预测未来1小时的出厂流量，但影响因素太多：时间、气象、设备检修、内部水力参数、外部管网压力流量，全抓进来就是58维特征，冗余和噪声并存。这篇论文（净水技术2026年第3期）的做法是：先不急着建模，用递归特征消除（RFE）从58维筛到16维，再用贝叶斯优化（BO）给XGBoost自动寻参。最终16维模型测试集MAPE4.64%、MAE 676.02 m³/h，2024年8月上线后与智能调度系统融合，泵启停次数减少47%。最值得读的一点是：它证明了特征优选比堆特征更重要——16维模型的精度与58维几乎持平，但实时计算成本大幅降低。

图片摘要

01

这篇论文为什么值得读

很多水厂的调度部门都面临一个朴素但难处理的问题：数据采集越来越全，但预测模型并没有因为特征变多而变得更准——冗余特征增加计算负担，无关特征引入噪声，反而损害稳定性。传统做法依赖经验选特征，缺乏系统性方法剔除低效变量。

这篇论文以华东地区A水厂为对象，设计了一套"先筛后建"的流程：从时间、气象、工况、内部水力、外部水力5个维度构建58维初始特征集，用皮尔逊相关系数预筛+RFE算法优选，把特征降到16维；再用BO对XGBoost超参数自动寻优。对正在做智慧水务、想把机器学习模型从实验室搬到调度室的人，这是一份完整的工程落地记录。

02

58维初始特征从哪来：5个维度全覆盖

特征体系覆盖5个维度：时间类7个（月份、星期几、时刻、休息日、高低谷分段、节假日）、气象类6个（温度、降雨量、湿度、最高温、最低温、温度划分）、工况类1个（是否年度大检修日）、内部水力类17个（A水厂当前及历史流量、一阶/二阶导数）、外部水力类27个（1#/2、B/C水厂出厂管压力流量、馈水管参数、中心城区总流量等）。

数据选取2021年10月—2024年3月的分钟级数据，以2021年10月为起点是因为A水厂此时完成机泵更新改造，供水模式发生结构性变化。异常值用拉依达准则处理（μ±3σ截断），分钟级数据滑动小时均值平滑毛刺，缺失值前向填充。

图1 初始58维特征的重要性排名（weight法）。

图1的核心提醒是：重要性最高的特征集中在"时刻""月份""A水厂当前流量""星期几"等时间类和水厂自身流量类变量，而大量外部压力特征排名靠后——这说明并非所有采集到的数据都对预测有同等贡献。

03

算法比选：XGBoost在精度、速度、可解释性上全胜

用58维全量特征分别训练XGBoost、BPNN、LSTM，80%训练、20%测试。结果：XGBoost的EVS 0.89、RMSE 936.23 m³/h、MAE 676.02 m³/h、MAPE 4.58%；BPNN次之（MAPE 6.08%）；LSTM最差（MAPE 7.32%）。

XGBoost胜出的原因：集成决策树结构简单、对异常值不敏感、可并行计算；前向分布算法与二阶泰勒展开收敛快，正则项抑制过拟合；相比神经网络的"黑箱"，XGBoost可输出特征重要性，可解释性更强——这对需要向调度人员解释预测依据的水厂场景很重要。

04

RFE特征优选：40维精度最优，16维性价比最优

RFE是一种基于模型的贪心特征选择方法：反复训练模型、剔除重要性最低的特征，直到达到预设目标数量。

图2 无预筛选RFE结果：特征数量40时MAPE最低（4.57%）。

图2的核心提醒是：无预筛选时，特征数量40的模型MAPE 4.57%，略优于全量58维，但未解决数据传输与存储成本高的问题。

图3 有预筛选RFE结果：先剔除相关性<0.1的18个特征，再删除冗余压力特征，最终16维时MAPE 4.64%。

图3的核心提醒是：有预筛选时，16维模型的MAPE 4.64%，虽精度略低于40维方案，但特征数量减少56.25%，大幅降低模型复杂度与实时计算成本。综合权衡后，论文选定16维为上线版本。

图4 最优16维特征子集的重要性排序。

图4的核心提醒是：入选的16个特征中，时间类（时刻、月份）和水厂自身流量类（当前流量、一阶导数、1h前导数）仍占主导，外部特征以2"自身历史为主、外部关键节点为辅"的特征结构。

05

上线效果：99.66%时段液位波动±0.3 m内，泵启停减少47%

模型上线前用水库液位变化做评估。A水厂水库底面积约14 300 m²，按式(5) Δh=(Q进-Q出)/S，MAE绝对值大于1 430 m³/h时1 h内液位变化±0.1 m，大于2 860 m³/h时±0.2 m，大于4 290 m³/h时±0.3 m，大于5 720 m³/h时±0.4 m。4个模型中，约99.66%的预测值在1 h内对水库液位影响小于±0.3 m；预筛选后特征优选（N=16）模型的日最大液位偏差仅0.77 m，是所有模型中偏移最小的。

图5 连续30天运行的供水量预测曲线（实测值 vs 预测值）。

图5的核心提醒是：预测曲线与实测值拟合度较高，但在峰值处存在一定滞后——这是小时级预测模型的典型局限，模型对突变场景的响应速度仍有提升空间。

2024年8月模型在线运行，每3 min计算1次，连续60 d的运行结果显示：未来1 h预测MAPE为7.4%，未来2 h为9.7%，未来3 h和4 h均为12.5%（预测 horizon 越长精度越低）。与智能调度系统融合后，V1版本（含预测）较V0版本（不含预测）泵启停次数从70次降至37次，减少47%。减少的启停主要集中在出水流量临近15000 m³/h的短时波动场景——模型提前预测流量变化趋势，避免了流量微小波动即调整泵组的冗余操作。

06

应用边界：A水厂的模型，换厂要重训

论文的结论建立在特定对象上：华东地区A水厂，设计规模70万m³/d，服务人口约100万，与B/C水厂供水范围交叠，有1#、2#两个中途增压水库泵站。换一座水厂，特征结构和重要性排序都会不同，模型不能简单平移。

其次，数据起点选在2021年10月机泵改造后，说明模型对供水模式结构性变化敏感——若未来再次发生大规模改造，需要重新训练。在线运行MAPE 7.4%高于离线测试的4.64%，说明实际生产环境的噪声和异常工况会影响精度。

预测目标为未来1~4 h的出厂瞬时流量，更长周期的预测精度未验证。论文提到模型每3 min计算1次，这对算力和数据实时性有要求，小型水厂可能需要评估投入产出比。

07

对智慧水务与供水调度读者的启发

这篇论文提供的与其说是一个预测模型，不如说是一套"特征工程+模型优化+上线验证"的完整工程流程。

三条可迁移的判断规则：其一，特征不是越多越好——先用相关性分析和业务经验做预筛，再用RFE做系统性优选，16维的性价比往往优于58维；其二，模型选型不要只看精度，要看可解释性和计算成本——XGBoost在精度接近的情况下，训练速度和可解释性优于神经网络；其三，上线前必须做物理约束验证——论文用水库液位变化反推预测误差的实际影响，99.66%时段±0.3 m和日最大偏差0.77 m是比MAPE更直观的业务指标。

扫码阅读文章全文

引用信息

杨瑜玲,李柱,王子瑜,等.基于特征优选和极端梯度提升树的水厂供水量预测模型[J].净水技术,2026,45(3):139-146,155.

DOI: 10.15890/j.cnki.jsjs.2026.03.014

来源：本文内容为AI改编，原文出自《净水技术》论文《基于特征优选和极端梯度提升树的水厂供水量预测模型》，作者杨瑜玲、李柱、王子瑜、杨澜、宋朝阳、崔露苑（上海城投水务（集团）有限公司、上海城投水务（集团）有限公司制水分公司）。

编辑：黄智恒

排版：李滨妤

审核：孙丽华

由于微信修改了推送规则，没有经常点“推荐”的，会慢慢收不到推送。如果你还想看到我们发布的权威信息，请将“净水技术”加为星标，每次看完后不忘点下“推荐”和“赞”。

欢迎广大水务企业加盟合作