论文部分内容阅读
摘要：用水量预测是进行给水系统优化调度的基础和前提，它的准确度直接影响到调度决策的可靠性和实用性，为了提高用水量预测的精度，本文通过引入具有一定智能性的多Agent理论，提出了一种基于Multi—Agent的用水量预测系统。该自动化预测系统由水量预测Agent联邦，即测控Agent、预测Agent和信息存储Agent组成，通过多个Agent之间的协作共同完成城市调度系统今后一段时间内的用水量预测任务。
关键字：水量预测系统，水量预测Agent联邦，测控Agent，预测Agent，信息存储Agent
1 前言
随着城市的发展、人民生活水平的不断提高以及城市用水人口的增加，城市用水量的增长幅度越来越大，它将直接影响着城市给水系统的规模与市政建设资金的投入等一系列问题。用水量预测是进行给水系统优化调度的基础和前提，它的准确度直接影响到调度决策的可靠性和实用性。因此，本文将具有智能性的多Agent引入城市用水量预测过程，从而达到城市供水系统的优化调度。
近几十年来，多Agent技术的迅速发展已经成为多学科交叉领域中的一个热门研究课题，在许多领域得到了广泛的应用和发展，并且这项技术日趋成熟，已经在许多领域取得了丰硕的成果。
2 Agent与多Agent【1】
一般而言，Agent是一类在特定社会环境下能感知环境，并能通过灵活、自主地运行来实现一系列设计目标的、自主的计算实体或程序。Agent作为自主的个体，在一定的目标驱动下，具有某种对自身行为和内部状态的自我控制能力，并尽可能准确地理解用户的真实意图，采取积极主动的行为，有效地利用环境中各种可以利用的数据、知识、信息和计算资源，为用户提供迅速、准确和满意的服务。
多Agent系统是指一组Agent通过协作完成某些任务或达到某些目标的计算系统，这些Agent要协作解决超过各自单个能力的问题，它们是自主、分布运行的，各个Agent之间相互协同与服务，彼此之间的目标与行为矛盾和冲突，通过竞争或磋商等手段协调解决，共同完成一个任务。多Agent系统的重点是在自主的Agent之间智能行为的协调，它们之间协调各自的知识、目标、技能、规划来产生相应行为或解决问题，在问题求解的过程中，为了一个共同的全局目标，这些Agent共享有关问题和求解方法的知识。多Agent系统要求系统中各Agent之间的交流具有智能或自组织的能力（如推理、规划、学习等）。
3 基于Multi-Agent的城市用水量预测系统
3.1系统结构
该用水量预测系统在城市供水优化调度系统中，水量预测Agent联邦的功能主要是根据信息存储Agent所提供的该城市过去一段时间的用水量情况，对调度系统今后一段时间内的用水量进行预测。整个系统的预测任务主要由水量测控Agent联邦，即测控Agent、信息存储Agent和预测Agent来实现。具体的结构如图1所示
3.2 系统中Agent的分类、功能及工作原理
3.2.1测控Agent
测控Agent是整个用水量预测系统的控制中心，主要负责预测系统分配的任务（由管理员直接输入），在子系统内的功能Agent之间分配任务，并且协调整个系统内部Agent之间的运行。测控Agent与企业中的管理者很相似，它统筹管理整个系统并且与外界建立联系。
3.2.2信息存储Agent
为了用水量预测的精确性以及调用、存储信息资料的便捷性，在此特设置一个信息存储Agent来存储整个城市近一段时间内的用水情况。信息存储Agent的功能紧紧围绕着系统需要它所完成的这些任务而展开，它的功能是为完成系统的任务服务的。 具体功能有：
1）信息查询功能
信息存储Agent从测控Agent处得到信息查询任务后，从其自身的数据库中调用数据，以供给测控Agent传送给需要这些数据的预测Agent。
2）信息分析功能
当测控Agent得到一组新的影响用水量因素预报值后，将这些资料发送给信息存储Agent。信息存储Agent将这些数据分析归类，然后将其存入数据库。
3）信息存储功能
信息存储Agent最主要的功能就是信息资料的存储，即：将每次有变化的信息存储起来，供以后调用。由于存储数据库与用水量预测完全分离，水量预测成功与否对其不造成任何影响。
3.2.3预测Agent
为了保证整个城市短期用水量预测的精确性、快捷性，在此设置一个预测Agent来专门的管理用水量预测工作。这里的水量预测Agent不是单纯的水量预测方法，它在具有预测计算功能的同时，还具有一个Agent所具有的许多智能行为。具体的实现内容在下文详细讨论。
4 水量预测Agent的实现过程
⑴ 预测Agent接收测控Agent发来的水量预测任务，并向其发送用水量信息调用请求；
⑵ 测控Agent接收预测Agent发送来的信息，并将其发送给信息存储Agent；
⑶ 信息存储Agent在其数据库中调出对应地区的用水量的历史数据，并将其发送给
测控Agent；
⑷ 测控Agent将接收到的信息发送给预测Agent；
⑸ 预测Agent进行预测计算，其计算过程如下：
① 对已有过去用水量记录形成原始数据序列：
5 实例分析
以某市1997~2007年用水量歷史记录数据资料（如表1）,由以上步骤建立预测模型并求解，根据预测结果验证基于多Agent的灰色预测的效果。
根据11年的用水量记录建立GM (1, 1)模型，求解得：
利用上式计算一次累加预测值，再经一次累减后得用水量预测结果。用水量原始值和预测值比较及预测误差见表1。
表1 用水量预测比较表
从计算结果可以看出，基于多Agent的灰色预测的精度远远高于普通的灰色预测。
6 结语
通过实验数据，可以看出，这种新型的用水量预测系统大大提高了预测精度和速度。, 使用本控制系统以后, 试验人员只要在计算机上给定水量预测命令， 就可以去做其它工作, 从而达到提高水量预测精度、节省体力劳动强度, 提高工作效率的目的。
注：本章内容的所有图表及公式以PDF形式查看
关键字：水量预测系统，水量预测Agent联邦，测控Agent，预测Agent，信息存储Agent
1 前言
随着城市的发展、人民生活水平的不断提高以及城市用水人口的增加，城市用水量的增长幅度越来越大，它将直接影响着城市给水系统的规模与市政建设资金的投入等一系列问题。用水量预测是进行给水系统优化调度的基础和前提，它的准确度直接影响到调度决策的可靠性和实用性。因此，本文将具有智能性的多Agent引入城市用水量预测过程，从而达到城市供水系统的优化调度。
近几十年来，多Agent技术的迅速发展已经成为多学科交叉领域中的一个热门研究课题，在许多领域得到了广泛的应用和发展，并且这项技术日趋成熟，已经在许多领域取得了丰硕的成果。
2 Agent与多Agent【1】
一般而言，Agent是一类在特定社会环境下能感知环境，并能通过灵活、自主地运行来实现一系列设计目标的、自主的计算实体或程序。Agent作为自主的个体，在一定的目标驱动下，具有某种对自身行为和内部状态的自我控制能力，并尽可能准确地理解用户的真实意图，采取积极主动的行为，有效地利用环境中各种可以利用的数据、知识、信息和计算资源，为用户提供迅速、准确和满意的服务。
多Agent系统是指一组Agent通过协作完成某些任务或达到某些目标的计算系统，这些Agent要协作解决超过各自单个能力的问题，它们是自主、分布运行的，各个Agent之间相互协同与服务，彼此之间的目标与行为矛盾和冲突，通过竞争或磋商等手段协调解决，共同完成一个任务。多Agent系统的重点是在自主的Agent之间智能行为的协调，它们之间协调各自的知识、目标、技能、规划来产生相应行为或解决问题，在问题求解的过程中，为了一个共同的全局目标，这些Agent共享有关问题和求解方法的知识。多Agent系统要求系统中各Agent之间的交流具有智能或自组织的能力（如推理、规划、学习等）。
3 基于Multi-Agent的城市用水量预测系统
3.1系统结构
该用水量预测系统在城市供水优化调度系统中，水量预测Agent联邦的功能主要是根据信息存储Agent所提供的该城市过去一段时间的用水量情况，对调度系统今后一段时间内的用水量进行预测。整个系统的预测任务主要由水量测控Agent联邦，即测控Agent、信息存储Agent和预测Agent来实现。具体的结构如图1所示
3.2 系统中Agent的分类、功能及工作原理
3.2.1测控Agent
测控Agent是整个用水量预测系统的控制中心，主要负责预测系统分配的任务（由管理员直接输入），在子系统内的功能Agent之间分配任务，并且协调整个系统内部Agent之间的运行。测控Agent与企业中的管理者很相似，它统筹管理整个系统并且与外界建立联系。
3.2.2信息存储Agent
为了用水量预测的精确性以及调用、存储信息资料的便捷性，在此特设置一个信息存储Agent来存储整个城市近一段时间内的用水情况。信息存储Agent的功能紧紧围绕着系统需要它所完成的这些任务而展开，它的功能是为完成系统的任务服务的。 具体功能有：
1）信息查询功能
信息存储Agent从测控Agent处得到信息查询任务后，从其自身的数据库中调用数据，以供给测控Agent传送给需要这些数据的预测Agent。
2）信息分析功能
当测控Agent得到一组新的影响用水量因素预报值后，将这些资料发送给信息存储Agent。信息存储Agent将这些数据分析归类，然后将其存入数据库。
3）信息存储功能
信息存储Agent最主要的功能就是信息资料的存储，即：将每次有变化的信息存储起来，供以后调用。由于存储数据库与用水量预测完全分离，水量预测成功与否对其不造成任何影响。
3.2.3预测Agent
为了保证整个城市短期用水量预测的精确性、快捷性，在此设置一个预测Agent来专门的管理用水量预测工作。这里的水量预测Agent不是单纯的水量预测方法，它在具有预测计算功能的同时，还具有一个Agent所具有的许多智能行为。具体的实现内容在下文详细讨论。
4 水量预测Agent的实现过程
⑴ 预测Agent接收测控Agent发来的水量预测任务，并向其发送用水量信息调用请求；
⑵ 测控Agent接收预测Agent发送来的信息，并将其发送给信息存储Agent；
⑶ 信息存储Agent在其数据库中调出对应地区的用水量的历史数据，并将其发送给
测控Agent；
⑷ 测控Agent将接收到的信息发送给预测Agent；
⑸ 预测Agent进行预测计算，其计算过程如下：
① 对已有过去用水量记录形成原始数据序列：
5 实例分析
以某市1997~2007年用水量歷史记录数据资料（如表1）,由以上步骤建立预测模型并求解，根据预测结果验证基于多Agent的灰色预测的效果。
根据11年的用水量记录建立GM (1, 1)模型，求解得：
利用上式计算一次累加预测值，再经一次累减后得用水量预测结果。用水量原始值和预测值比较及预测误差见表1。
表1 用水量预测比较表
从计算结果可以看出，基于多Agent的灰色预测的精度远远高于普通的灰色预测。
6 结语
通过实验数据，可以看出，这种新型的用水量预测系统大大提高了预测精度和速度。, 使用本控制系统以后, 试验人员只要在计算机上给定水量预测命令， 就可以去做其它工作, 从而达到提高水量预测精度、节省体力劳动强度, 提高工作效率的目的。
注：本章内容的所有图表及公式以PDF形式查看