基于组合模型的石羊河流域农业用水量预测

为了提高农业用水量模型的精度,以1997—2004年农业用水量数据为依据,建立了石羊河流域农业用水量的灰色GM(1,1)预测模型、三次指数平滑预测模型以及组合模型,并用2005—2007年的农业用水量数据进行检验。结果表明:组合模型的平均误差仅为0.27%,而单一的灰色GM(1,1)预测模型和三次指数平滑预测模型的平均误差分别为1.50%和0.54%。采用组合预测模型,对石羊河流域2008—2010年的农业用水量进行预测,结果分别为23.552亿、23.639亿、23.738亿m3。     

组合灰色预测模型在城市用水量预测中的应用

基于灰色预测理论,建立了残差灰色预测模型与等维递补预测模型两者相结合的组合灰色预测模型,可以对城市用水量进行预测。以青海省西宁市1998—2005年用水量作为建模数据,利用4种不同模型分别对2007年用水量进行预测。结果表明:组合灰色预测模型计算误差从基本模型的-2.06%下降到-0.34%,预测精度明显高于单一的灰色模型,具有预测精度高、简捷实用等特点。     

基于灰色系统模型的北京市需水量预测分析

该文在对城市需水量预测方法进行对比分析的基础上,结合城市需水量预测工作的特点和要求,引进灰色系统理论,利用北京市2002-2011年历年的年用水量数据,对总用水量、生活用水、农业用水、工业用水分别建立相应的灰色GM(1,1)模型,模型的精度检验效果较好。需水量预测结果表明,2012-2020年的各类需水量预测结果与未来的规划目标和产业发展趋势保持一致,预测结果可为水资源规划提供科学依据。     

基于灰色GM(1,1)模型的农业用水量预测

介绍灰色理论建模原理和模型参数辨识方法,并以实例(阿克苏地区1995~2005年农业用水资料)建立灰色GM(1,1)预测模型,运用残差检验、后验差检验以及关联度检验3种方法对模型进行精度检验,其模型拟合精度达98.31%。用所建立的模型对阿克苏地区2006~2010年农业用水量进行外推预测,结果表明:该灰色模型用于农业用水量预测,符合其灰色特性,通用性好,并且所需数据少,计算量适中,预测结果与当地实际情况比较吻合。     

基于GM(1,1)的河南省需水量预测研究

本文重点介绍了灰色理论及其建模原理,对年度用水量进行深入挖掘,依据河南省2000-2009年用水资料建立了灰色GM(1,1)预测模型,经检验模型精度达到93.27%,并用该模型对需水量进行了预测。预测结果表明,该模型用于需水量预测,符合其灰色特性,可检验,适用性好,可为河南水资源规划与管理提供必要的参考。     

基于组合灰色模型的阿克苏市城市用水量预测

基于灰色预测理论,建立了残差灰色预测模型与等维递补预测模型两者相结合的组合灰色预测模型,可以对城市用水量进行预测。以新疆阿克苏市1990～2002年用水量作为建模数据,利用4种不同模型分别对2003～2005年用水量进行预测。结果表明:组合灰色预测模型预测精度明显高于单一的灰色模型,具有预测精度高、简捷实用等特点。     

基于灰色GM(1,1)模型的城市需水量预测研究

介绍灰色理论建模原理以及参数辨识方法,从年度用水量本身挖掘有用的信息,依据长治市1996年~2004年用水资料建立了灰色GM(1,1)预测模型,经检验模型精度达到96.4%,并用该模型对城市需水量进行了预测。预测结果表明,该模型用于城市需水量预测,符合其灰色特性,可检验,适用性好,可为长治市水资源规划与管理提供必要的参考。     

包头市市区居民生活用水量预测分析

用水量预测对区域水资源规划、利用和管理提供重要依据.运用灰色关联度分析法分析包头市市区居民生活用水量影响因素的基础上,分别建立多元线性回归模型、灰色GM(1,1)模型及灰色线性组合模型对该地区2009年和2010年的生活用水量进行预测分析,同时比较了三个模型的预测精度.结果表明:城市居民生活用水量与城市用水人口、人均居住面积和水价的关联度较高;2009年和2010年用水量的预测采用组合灰色模型精度最高,相对误差分别为13.6％％和6.5％,均方根相对误差为10.7％.组合预测模型的预测精度明显优于单一模型,使结果更加准确、合理,符合实际情况.     

基于残差灰色-马尔可夫链的生活用水量预测研究

针对传统GM(1,1)模型在用水量预测方面对非增长序列预测精度差、出现过拟合等问题,采用结合马尔可夫链修正的残差灰色模型预测生活用水量。首先在传统灰色理论预测的基础上,建立了改进残差灰色预测模型:对残差绝对值建立灰色模型,再结合马尔可夫状态转移矩阵判断残差预测值在tn时的正负号,对灰色预测值进行修正。将模型运用于河南省2007—2018年生活用水量预测,结果表明,传统灰色预测模型与改进残差灰色预测模型的平均相对误差分别为4.14%、2.04%,改进残差灰色预测模型的精度等级为"良";同时,改进后模型的后验方差也小于传统模型。这表明改进模型比传统灰色预测模型有更高的精度,拥有更好的可靠性,可以为用水量预测提供新的方法。     

基于GM(1,1)的河南省需水量预测研究

本文重点介绍了灰色理论及其建模原理,对年度用水量进行深入挖掘,依据河南省2000～2009年用水资料建立了灰色GM(1,1)预测模型,经检验模型精度达到93.27％,并用该模型对需水量进行了预测.预测结果表明,该模型用于需水量预测,符合其灰色特性,可检验,适用性好,可为河南水资源规划与管理提供必要的参考.     

改进的偏最小二乘法在青海省农业用水预测中的应用

根据2000—2009年影响青海省农业用水的11个因子的基础数据,建立偏最小二乘回归模型,考虑到模型的实用性和准确性,运用后退法对偏最小二乘法进行改进,剔除了5个不需要的变量,得到了拟合精度更高的结果。选取2010—2013年数据进行模型检验。结果表明:运用偏最小二乘法预测的结果与实际情况贴近,并且改进的模型的贴近度更高。通过模型的应用,可以看到偏最小二乘法在青海省农业用水预测中有较好的应用价值,并且改进后的偏最小二乘法简化了模型,提高了预测精度,为青海省的农业用水预测提供了依据。     

贝叶斯神经网络在城市短期用水预测中的应用

严格水资源管理制度实施的背景下,短期用水量预测对城市供水系统调度的作用日益显著。在分析日用水量时序演化规律及随机性影响因素的基础上,以前7天每日用水量、日最高温度、当月用水量占全年比、日降水量、节假情况作为短期用水量预测指标,构建了BP神经网络城市短期用水量预测模型,并利用贝叶斯正则化对BP神经网络进行优化。将两种模型应用于广州市某自来水公司进行对比验证,结果表明,贝叶斯神经网络预测模型与BP神经网络预测模型的平均绝对百分比误差分别达0.87%与1.85%,经贝叶斯正则化的BP神经网络模型泛化能力更强,精度提高了约0.98%,更符合城市短期用水量预测的高精度要求。     

基于主成分分析的GA-BP模型在城市需水预测中的应用研究

针对城市需水预测模型中需水量影响因子多、影响因子之间普遍存在多重共线问题,以及BP神经网络收敛速度慢、易陷入局部最优等缺点,提出一种由主成分分析、遗传算法及BP神经网络三者相结合的改进预测模型。以泰州市为实例,建立以主成分分析筛选需水量主要影响因子,遗传算法优化BP网络连接权值和阈值的需水预测模型,预测结果与BP神经网络预测模型预测结果做对比。结果表明:改进预测模型对泰州市2003-2014年需水量预测的平均相对误差为0.564%,最大相对误差为1.681%,精度优于BP神经网络预测模型;改进预测模型预测值与实际泰州市需水量吻合良好且训练速度更快、预测精度更高,可作为需水预测的一种有效方法。     

基于灰色遗传BP神经网络的校园区间需水预测研究

水资源预测是城市安全用水的基础保障,而校园用水预测是城市用水规划和管理的组成部分。针对校园用水受很多因素影响产生的不确定性,提出了基于灰色遗传BP神经的校园用水预测模型。模型对校园用水的数据进行灰色关联分析,并加入遗传算法去优化BP神经网络,经过残差计算,输出区间的预测值。运用该模型可以充分提取小样本信息,解决神经网络无法自动寻优的问题。通过Matlab对校园的用水区间数据进行仿真,得出的结果显示,预测的数据和实际数据基本吻合,其仿真精度可以达到90. 32%,验证了该方法的可行性,此预测方法有一定的借鉴意义。     

3种用水量预测方法在京津冀地区的适用性比较

本文比较了年增长率法、自回归模型法和灰色神经网络法3种常用的用水量预测方法在京津冀地区年用水量预测中的适用性,基于优选的方法对京津冀2019—2025年的年用水量进行了预测。结果表明,北京、天津和河北省1997—2018年的年用水量呈现不同的变化趋势:北京和天津的年用水量呈先减少后增加的非线性变化趋势,而河北省的年用水量呈波动递减的趋势。灰色神经网络法在京津冀3地均优于其他两个模型,被推荐为该地区年用水量预测的首选方法。基于灰色神经网络法的年用水量预测结果表明,2019—2025年北京市年用水量将趋于平稳,天津市的年用水量将缓慢增加,而河北省的年用水量则将继续下降。     

基于卡尔曼滤波模型的时用水量预测

针对时用水量存在周期性特点,引入季节因子,鉴于时用水量是非线性非平稳系统,而采用卡尔曼滤波季节模型对时用水量进行模拟.以杭州市实测用水量为例,分别采用卡尔曼滤波模型和卡尔曼滤波季节模型进行时用水量预测,结果表明,季节模型预测精度相对较高,且预测误差相对稳定,较卡尔曼滤波常规模型更具有实用性.     

基于趋势及回归分析的珠三角城市群需水预测

对近10年珠三角城市群用水量进行了特征及结构分析,其中分析了总用水量和农业、工业、城镇公共、居民生活及生态环境用水量等与地区生产总值、年末人口数等参数的相关性,结果表明:与一般用水量随着经济与人口增长而增长的结论不同,近年来,珠三角地区城市总用水量与地区生产总值表现较强的负相关性,与年末人口数也呈一定程度负相关。基于相关性分析成果,构建基于经济、人口为自变量的二元回归模型及趋势模型,对城市群水资源需求进行了预测,并与常用的分项水量预测法进行对比,结果表明:趋势模型和二元回归模型预测精度良好,与实际值偏差在2%以内;趋势模型预测结果与实际值最为接近,二元回归模型预测结果偏小,而常用的分项水量预测法结果偏安全。相比分项水量预测法,趋势及二元回归预测方法具有较高精度和便利操作性,可供类似城市群需水预测研究参考。     

吉林省水资源短缺风险等级评价及预测

采用2005~2014年的吉林省水资源相关数据,利用灰色关联分析法,选出水资源短缺的主要相关风险因子,对水资源系列进行模糊聚类,并采用灰色系统法对2015~2020年的水资源短缺风险进行预测。结果表明,水资源总量、三大产业用水量、其他生活用水及常住人口等指标与吉林省水资源短缺的关联度较大。在2008年以前,吉林省主要处于中等缺水等级,而在2008年以后,吉林省的缺水等级波动较大,主要是受到了当地气候及采取的水利措施的影响。如果按照现阶段吉林省水利发展情况,在非极端枯水年的情况下,直到2018年,吉林省都不会面临缺水的风险;如果有效调整吉林省的工业生产结构,控制常住人口数量,采用更有效的管理措施,则会有效地缓解2018年以后吉林省的水资源短缺状况。     

不同改进灰色模型在广西年用水量预测中的应用研究

以广西全区2005-2014年的年用水量资料作为建模数据,采用灰色GM(1,1)模型进行预测研究。为了提高预测精度,分别对传统灰色GM(1,1)模型进行了不同方式的改进,通过比较发现4种灰色模型的预测结果均较理想,平均精度达到了99.5%。其中传统灰色GM(1,1)模型为99.0%、函数变换改进的灰色模型为99.4%、残差修正后的灰色模型为99.7%、经弱化算子处理后的灰色模型为99.9%,同时也充分验证了灰色模型在广西年用水量预测中的可靠性。     

基于PCA-RBF神经网络模型的城市用水量预测

针对城市用水量影响因素众多、关联性较强以及BP神经网络收敛速度慢、易陷入局部极小值等问题,采用组合主成分分析(PCA)与RBF神经网络的方法预测城市用水量。利用主成分分析对用水量影响因素进行降维,消除多重共线性,选取能够替代原用水量影响因素的前三个主成分作为输入因子,选用学习和收敛速度快、模式识别能力强的RBF神经网络进行预测。研究结果表明,该模型的相对误差平均值在训练和预测阶段均最小,分别为0.165 4%和0.677 5%,学习和预测能力均优于RBF和BP神经网络模型,提高了收敛速度和预测精度;主成分数量从3个增加到5个,信息量累积贡献率从93.09%增加到98.37%,平均相对误差从0.250 7%降至0.206 0%,预测精度略有提高。对2015—2020年枣庄市用水量进行预测,总用水量先有小幅上升,后又下降,呈现"倒U型"增长。该模型对城市区域水资源规划具有参考价值。