由于季节及每天时段的变化等因素,监测数据 的波动范围极大,为了使其对模型的影响降到最 低,特定时间和季节的数据在原来连续的时间序列 中被提取出来组成新的时间序列,对数据按时段和季节进行切分.研究中,来自同一个监测设备每天 的监测数据都以１５min为间隔被剪切为９６段,即 所有同一时刻的数据组成一段时间序列,每一段时 间序列代表这一时刻的瞬时流量随天数的变化.在 这个基础上,对每一段时间序列再进行季节上的切 分.按照自然月的划分,以３、４、５月为春季,６、 ７、８月为夏季,９、１０、１１月为秋季,１２、１、２月为 冬季,将每一段时间序列再分成４段季节化时间序列,最终共计３８４段时间序列.
与居民生活用水不同,该食品企业工作日与节 假日的用水量并没有较大差别.研究中,对夏季 １２∶００ 的时间序列按照一周７天做了进一步切分, ７个切分 序 列 以 及 原 序 列 的 标 准 差 分 别 为 ９．８７、９３６、１０．７８、１４．４１、９．４６、９．２４、９．９７、１０．３３.由此发现,数据进一步切分后并未使数据的波动程度显著减小(标准差并未明显降低,甚至有所升高),因此并未对３８４段序列做进一步的切分.
