时用水量预测残差中的混沌及其预测研究

利用基于Lyapunov指数的混沌辨识理论,探讨了城市时用水量预测残差序列中混沌的存在及其最大预测尺度问题.针对预测模型中所利用的时用水量序列较短、采用传统Wolf算法计算Lyapunov指数存在结果不稳定的困难,引入了改进的Rosenstein短序列快速算法.鉴于预测残差中混沌成分的存在,提出了基于预测残差混沌预测修正的时用水量复合预测模型.实例结果表明:时用水量观测序列中除通常认为的周期性、趋势性及随机扰动性成分以外,还存在有较为明显的混沌成分;混沌建模预测方法的引入可以提高城市时用水量预测结果的精度.     

调度时用水量预测的分时段混沌建模方法

针对传统调度时用水量需求预测方法在预测结果精度及稳定性方面存在的困难,鉴于分时段时用水量序列的最大预测时间尺度远大于连续时序列的混沌理论分析结果,利用混沌相空间近邻预测建模理论,提出了时用水量向前24 h预测的分时段混沌建模方法.该方法经实例验证,向前24 h预测结果稳定性较好,误差较小(平均相对误差小于2%,最大相对误差小于5%),可满足供水优化调度的需要.     

BP网络的城市时用水量预测组合模型

为建立起城市用水量与其影响因素间的预测模型,以预测的城市用水量趋于合理,针对城市时用水量的特点及影响因素,在考虑充分利用各因素历史观测数据的基础上,利用BP神经网络建立了城市时用水量的时间序列预测与解释性预测组合模型,并对南京市的时用水量进行了预测.预测结果与实际情况具有很好的一致性,预测误差小,能满足供水系统调度的实际需要.可见,本预测组合模型是合理的,为城市时用水量预测提供了一种可行方法.     

基于最大Lyapunov指数改进算法的水量预测与控制

为了提高城市用水量的预测精度,针对城市用水量的非线性及复杂性,应用最大Lyapunov指数改进算法,利用历史数据信息,在重构相空间的基础上对城市用水量进行短期预测,应用混沌理论对用水量时间序列进行分析,与历史数据比较,表明了预测方法的可行性和实用性.最大Lyapunov指数改进算法用于城市用水量预测及泵站水泵机组运行工况控制获得了很好的效果.     

基于主影响因素的城市时用水量预测

针对城市用水量影响因素的多样性、随地域时间多变的特点及与时用水预测时间尺度难匹配的问题,提出基于主影响因素的城市时用水量预测方法.该方法先以改进的灰色关联法对用水量影响因素进行分析讨论,把得到的主影响因素作为算法输入量对预测日用水量做预测;而后针对预测日的时用水特征,在动态模糊聚类中引入聚类中心距离评价函数及非线性约束条件,寻求预测日的各时段水量分配模式,并依据该模式做时用水量的最终预测及合理调度.用萧山南阳镇历史用水量为例,做预测仿真验证,结果表明,该方法能够很好跟踪预测日的时用水量变化,稳定跟踪能力及跟踪精度上远优于传统时间序列预测法,易满足供水系统的调度精度需求.     

城市日用水量预测的非参数模型

根据城市用水量的影响因素及特点,针对传统的线性回归模型误差较大的缺点,基于核估计与局部线性估计理论,建立了城市日用水量的非参数回归预测模型。经西安市实例验证表明,相对于线性回归模型而言,多元非参数回归模型能够很好地解决城市日用水量预测这一问题,预测精度较高,可以满足供水系统调度的实际需要。     

神经网络在城市用水量预测中的应用研究

考虑城市用水量受众多因素影响 ,具有系统稳定性和非线性的特点 ,探讨了基于神经网络的城市用水量预测的非线性时间序列递推预测方法 ,并利用该方法对郑州市城市用水量进行了时间序列模拟 ,实例证明了该方法的正确性和科学性 .将神经网络的BP算法应用于城市用水量系统的建模和预测 ,并给出了较为详细的计算结果 ,具有一定的理论价值     

城市日用水量预测的实用动态模型

根据城市用水量的影响因素及特点,利用统计预测理论,建立了日用水量的实用动态模型,通过逐步回归分析方法剔除次要影响因素,并采用递推最小二乘（ＲＬＳ）方法动态预测回归残差项。经沈阳市实例验证,该法预测误差小,可满足供水系统调度的实际需要。     

蚂蚁算法在日用水量预测中的应用研究

城市日用水量预测是城市供水管网系统动态模拟的基础和前提,用神经网络对城市日用水量预测的非线性回归组合模型求解的过程中,提出了采用新型的仿生算法——蚂蚁算法来训练神经网络的权值．此方法简化了训练过程,避免了BP算法易陷于局部极值等问题．将经过蚂蚁算法训练的神经网络应用到S．X市日用水量预测模型中,显示了此网络模型具有良好的预测能力,验证了基于蚂蚁算法的神经网络在城市日1用水量的预测中具有有效性和可行性．     

灰色预测模型在年用水量预测中的应用

城市年用水量为城市建设规划以及供水管网改扩建提供依据,我国城市年用水量序列特点是记录时间短,记录数据少,针对我国城市年用水量数据序列的这种特点对其进行分析研究,利用灰色系统理论,建立预测年用水量GM（1,1）模型,并以大连开发区年用水量数据为原始数据进行了实际预测,通过后验差检验证明GM（1,1）模型为一种行之有效的预测年用水量的模型。