水资源约束下城市需水量预测研究

在分析需水量预测和水资源约束的基础上,本文探讨了水资源约束的量化指标。提出城市需水量预测应和水资源约束结合,并将水资源约束系数引入需水量预测中。应用BP网络,建立了水资源约束下的城市需水量预测模型。本文以郑州市为例,应用预测模型进行需水量预测,并对预测结果进行了分析。结果表明:本文建立的模型具有一定的实用价值,为区域的发展规划、供水工程规划以及节水规划提供更科学的依据。     

城市需水量预测方法比较

为了提高城市需水量预测的精度,基于北京市2000—2011年的实际用水量数据,对比分析了BP神经网络预测模型、灰色GM(1,1)模型、非线性趋势模型和灰色-神经-趋势组合预测模型及其基于马尔科夫修正的各单项模型需水量预测结果。结果表明:组合预测模型优于各单项模型,基于马尔科夫修正的各模型优于各未修正预测模型。基于马尔科夫修正的灰色-神经-趋势组合预测模型预测精度最高、效果最好。     

基于遗传-神经网络的城市需水量预测方法研究

为了实现城市可持续发展，城市需水量预测极为重要。针对目前常用的灰色预测方法，从建模机理出发，指出了灰色建模中存在的不足。本文将人工神经网络原理引入城市需水量预测中，并针对BP网络收敛速度慢、易陷入局部极小的缺陷，提出了基于GA和BP的预测模型，实例研究表明该模型是一种行之有效的城市需水量预测模型。     

改进的灰色预测模型在城市年需水量预测中的应用

应用灰色系统理论建立了某城市年需水量的灰色GM(1,1)模型。在分析灰色预测模型建模思路及建模前提的基础上,应采用改进的灰色预测模型进行该市年需水量预测。结果表明:改进灰色预测模型与灰色GM(1,1)模型相比,平均相对误差以及原点误差均较小,适用性范围更广,可用于城市的年用水量预测。     

基于加权灰色-马尔可夫链模型的城市需水预测

城市需水量预测是区域水资源规划及优化配置的基础内容。在基于灰色GM(1,1)模型预测城市需水量总体趋势的基础上,引入加权马尔可夫链预测理论,建立了加权灰色马尔可夫GM(1,1)预测模型。该模型既考虑了GM(1,1)模型较强的处理单调数列的特性,又考虑了通过相对误差的状态转移概率矩阵的变换提取数据随机波动响应的特点。成都市城市需水量预测结果表明:加权灰色马尔可夫GM(1,1)模型充分利用需水量数据给予的信息,实现了对相对误差的状态转移的预测,并提高了修正灰色模型预测值的精度;通过与其它2种灰色预测模型预测结果比较,加权灰色马尔可夫GM(1,1)模型精度更高,预测得到2012年和2013年成都市城市需水量分别为74 250.91万m³和79 818.34万m³,呈明显增长趋势。因此该模型提高了随机波动较大数据序列的预测精度,拓宽了传统灰色模型预测的应用范围,更具科学性。     

模糊多项式预测在城市需水量预测中的应用

阐述了简单的模糊多项式预测理论,并建立城市需水量预测模型。通过模型对已有数据的南京市需水量进行的预测,来验证模型的可行性,得出预测值与真实值的相对误差在允许的范围内,即可用于南京市的需水量预测。并对南京市2010、2020及2030年的城市需水量进行预测,预测的结果可为南京市水资源规划和优化调度提供重要依据。     

基于联系隶属度的城市需水量预测模型

城市需水量预测是生态城市规划与管理的基础,但受诸多不确定因素影响,是一个复杂的预测难题。为能定量统一表达预测年份需水量各影响因素间及与历史数据间的交叉、交融的确定和不确定关系,在此应用有序聚类理论与集对分析的耦合方法,提出了基于联系隶属度概念的城市需水量预测模型。该模型首先基于城市需水量历史数据进行最优分割聚类,应用联系隶属度对预测年份需水量的影响因子与历史数据关系进行同异反分析,并构建相似模型预测相应年份的城市需水量。实例应用及与其他方法对比的结果表明,该模型应用于城市需水预测是有效可行的。     

灰色系统理论在城市需水量预测中的应用

针对城市需水量特点、运用了具有适用性广，预测准确率高等优点的灰色系统预测模型并对该模型的精度进行了检验。最后用实例验证了该模型用于预测城市需水量的可行性及有效性。     

基于RBP神经网络模型的城市需水量方法研究

城市需水量预测是水资源可持续发展的研究基础。需水量预测考虑的影响因素较复杂,增加了需水量预测难度。通过建立RBP神经网络模型,以河北省A城市为例,进行城市需水量拟合与预测,与传统BP神经网络模型和灰色系统模型计算结果进行对比分析,结果表明RBP神经网络模型拟合的相对误差为2.65%,模型预测结果的相对误差为3.92%,计算结果精度高于另外两种方法,对今后城市需水量预测方法研究提供了一种有效方法的借鉴。     

灰色系统理论在城市需水量预测中的应用

针对城市需水量特点，运用了具有适用性广，预测准确率高等优点的灰色系统预测模型并对该模型的精度进行了检验。最后用实例验证了该模型用于预测城市需水量的可行性及有效性。     

基于灰色Verhulst的城市生活需水量预测模型

根据城市生活需水量的特性,建立基于灰色Verhulst的城市生活需水量预测模型,可解决需水量呈S形曲线增长时的中长期预测问题.实例应用表明,灰色Verhulst模型用于城市生活需水量预测,能够满足精度要求.     

基于自适应进化相关向量机的城市需水量预测模型研究

为改进城市需水量预测模型,将相关向量机与差分进化优化算法进行融合及改进,提出基于自适应进化相关向量机的需水量预测模型。以新疆阿克苏市为例,建立基于自适应进化相关向量机的城市需水量预测模型,并与多元线性回归、BP神经网络、支持向量机算法在精度与可靠性方面进行对比分析。结果表明:新模型预测精度大约是上述其他方法的2倍以上;测试数据的实际需水量均在自适应进化相关向量机估计的95%置信度的置信区间内,并且由后验差比、小误差概率判定模型等级属于"好"级别。     

基于主成分分析的GA-BP模型在城市需水预测中的应用

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。     

基于集对分析的区域需水量组合预测模型

在建立区域需水量预测的多元回归、神经网络和灰色系统模型的基础上,提出基于集对分析的区域需水量组合预测模型(SPA-CF),从同、异、反3个方面对各单个预测模型的预测精度进行定性和定量的综合分析,合理确定各单个预测模型的权重。应用结果表明,SPA-CF是一种直观、简便、通用的组合预测新模型,在区域需水量预测中具有推广应用价值。     

基于区域经济层次的城市需水预测模型研究

针对现有需水量预测方法存在局限性等问题,结合经济社会发展状况和水资源的特点,建立了基于研究区域经济层次的交互式城市需水预测模型。该模型能够较好地体现出社会经济、生态、环境和水资源各个系统之间的复杂关系。模型分为经济总量预测、经济结构预测、用水定额预测和需水量预测四个子模块。将模型在乌鲁木齐市水资源综合规划中应用,效果很好。模型具有实用性强、适应性强等特点,适宜推广。     

德州市工业需水量预测方法研究

工业需水量是用水总量控制指标之一,文章以德州市的工业需水量作为研究对象,分别利用相关分析预测模型和灰色理论动态模型进行德州市工业需水量预测研究,并对模型结果进行检验,结果表明灰色理论动态模型能够很好地预测德州工业需水量,为德州市实行最严格水资源管理制度提供技术支撑。     

城市年需水量的灰色预测探讨

分析了某市年需水量的变化特点,讨论了对年需水量预测效果较好的灰色GM(1,1)模型在该市年需水量预测中的应用,并提出了改进灰色模型在该市年需水量预测中的应用,结果表明:改进的灰色预测模型与传统的灰色GM(1,1)模型相比,平均相对误差及原点误差均较小,可用于该市的年需水量预测,为该市年需水的宏观调控与用水规划提供参考.     

灰色模型在城市需水量预测中的应用

在调查新郑市水资源供需状况的基础上,从灰色系统理论的特点与需水量本身的变化规律出发,利用该理论建立了城市需水量灰色预测模型,对新郑市2010、2011、2012年的需水量进行了预测,得出需水量分别为15368.4万m3、16113.2万m3和16987.5万m3.结果表明此模型精度较高、预测误差较小,可以真实地代表实际系统,从而使原始数据资料能反映未来需水量的实际变化特性,适合于对城市需水量进行预测.该预测结果为规划建成节水型城市,以水资源的可持续利用实现社会经济的可持续发展提供战略对策.     

基于GRA-MEA-BP耦合模型的城市需水预测研究

针对城市需水量影响因子多、BP神经网络收敛速度慢、精度低、易陷入局部最优等问题,提出灰色关联分析、思维进化算法、BP神经网络三者耦合的改进预测模型,利用灰色关联分析(GRA)筛选需水量主要影响因子,采用全局搜索能力极强的思维进化算法(MEA)优化BP神经网络的权值和阈值,从而构建GRA-MEA-BP耦合需水预测模型,同时建立BP神经网络模型作为对比。实例应用结果表明,GRA-MEA-BP耦合模型具有更高的预测精度和预测速度,可作为一种有效的需水预测模型。