Fourier series and Chebyshev polynomials applied to real-time water demand forecasting

Abstract

Relevance of water demand forecasting increases with complexity of water supply systems. Several methods for water demand forecasting have been proposed in literature, mostly based on time-series analysis and machine learning, the later needing more detailed study of involved variables and choice of the best configuration to produce significant results. As an alternative to use of machine learning methods, this work presents two known meth-ods of data approximation, namely, discrete Fourier series and Chebyshev polynomials, to real-time demand forecasting, through real-time updating of some adjustable coefficients. A real district of a water supply system is analyzed using these methods, showing a good approximation between measured and forecasted values. The most interesting point of ap-plication is agility of calculation and the fact that there is no need to have information on factors influencing water demand

La importancia de la previsión de la demanda de agua aumenta con la complejidad de los sistemas de abastecimiento de agua. Muchos métodos de predicción de demanda de agua, básicamente fundados en el análisis de series temporales y en mecanismos de regresión ba-sados en métodos de aprendizaje automático, han sido propuestos en la literatura. Los últimos necesitan de un estudio detallado de las variables involucradas y de la elección de la mejor arquitectura para la producción de resultados relevantes. Ese trabajo propone como alternativa aplicar dos métodos conocidos de aproximación de datos, a saber, las series discretas de Fourier y los polinomios de Chebyshev, a la previsión de demanda en tiempo real con actualización instantánea de los coeficientes ajustables en cada una de las funciones. Para contrastar la metodología propuesta se analizó un sector de una red real de abastecimiento de agua. Los resultados obtenidos muestran una buena aproximación entre los valores medidos y los predichos. El punto más interesante de la aplicación es la agilidad de cálculo y el hecho de que no hay necesidad de tener información de los factores que influyen en la demanda de agua