城市日用水量预测模型比较研究

目的 为保障预测结果准确可靠,建立精度高、可靠性强的城市日用水量模型.方法 应用单指数平滑法、灰色方法与BP神经网络方法,分别建立相应日用水量预测模型,并以哈尔滨市的日用水量数据为原始数据进行了实际预测.结果 单指数平滑法与BP神经网络模型预测精度较高.用灰色模型预测,所得数值呈递减趋势,其预测精度最低.结论 BP网络预测模型是最有效的日用水量预测模型.如果日用水量变化不大,还可采用单指数平滑法预测日用水量.     

城市日用水量预测的神经网络方法

介绍了城市日用水量预测的BP神经网络方法,分析了日用水量的变化规律和影响因素.以每日最高温度、最低温度、晴雨情况、星期及前一日用水量为输入节点,预测日用水量为输出节点,建立了日用水量预测神经网络模型,编制出预测模型的计算机程序.通过实测数据进行了模型检验,对预测结果进行了分析.     

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.     

集对分析相似预测在用水量预测中的应用

准确预测用水量可为水资源管理和规划提供科学依据。将基于集对分析的相似预测模型应用于用水量预测中,并对山东省2010—2014年的用水量进行了预测;将预测结果与GM(1,1)预测方法、BP神经网络预测方法以及集对分析聚类预测方法的预测结果进行了对比。结果表明:基于集对分析的相似预测方法的相对误差较小,预测精度较高,在用水量预测中具有一定的应用价值。     

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.     

变结构遗传最小二乘支持向量机法预测日用水量

为解决日用水量预测模型的动态参数估计问题,提出了基于变结构遗传最小二乘支持向量机的预测模型.以日用水量的主要影响因素和相关日用水量为输入,利用遗传算法对基于LSSVM的历史日用水量模型参数进行寻优,获得模型结构参数序列;采用扩展卡尔曼滤波器估计基于最小二乘支持向量机的预测日用水量模型参数,进而预测下一日用水量.实例分析表明:提出的模型具有较高的预测精度,预测的最大绝对相对误差仅为9.3%,平均绝对相对误差为2.09%.     

改进的RBF网络在区域需水预测中的应用

利用径向基函数神经网络，建立了区域用水量预测模型，改进了RBF网络学习方法；根据某地区近年来影响用水量主要影响因素的数据对该网络进行训练，并用训练好的网络模型对该区域以往和今后不同年份的用水量进行预测；对以往用水量预测结果表明该模型有较高预测精度、通用性和客观性．     

城市用水量的综合动态预测建模方法

基于BP神经网络，建立了一种综合时间序列分析和多元分析特点的动态水量预测模型，模型除了将影响用水量的因素作为输入节点之外，还将预报日前2d的用水量作为输入节点，使得模型不但反映了用水量与影响因素的关系，还揭示了用水量时间序列的非线性特性，经生产实践检验，该模型的预测精度达到工程要求。     

基于灰色系统理论的高校用水量预测

为了准确预测高校用水量,基于灰色系统理论建立了高校用水量预测模型,确定了用水人数、占地面积、绿化率、管网有效供水率和节水器具普及率五个影响用水量的主要因素,并计算出各因素的灰色关联系数及关联度,对用水量预测模型进行求解.预测结果显示,排除学校放假影响因素,其他季度用水量预测值与用水量实测值相对误差小于5％,模型后验差比...     

集对分析聚类预测法在区域用水量中的应用

精确预测用水量有利于水资源的规划和管理.本文利用集对分析联系度及聚类思想建立了集对分析聚类预测模型,并应用于山东省用水量预测中.结果表明,山东省2010年用水总量预测的计算值与实际值相对误差为0.67%,采用灰色GM(1,1)模型预测的相对误差为4.95%,采用BP神经网络预测的误差为4.77%.进一步对山东省2011—2013年用水量的年增长率进行预测,相对误差较小.可见,集对分析聚类预测模型精度较高,可用于区域产业用水量的预测研究中.     

北京市城镇居民消费函数模型

运用数理统计的Rp^2准则,简单、直观地确定了北京市城镇居民消费函数模型,并从计量经济学角度,结合消费函数的经济理论,通过对模型经济意义检验、统计检验,计量经济学检验以及模型预测检验等过程,对模型反复修正与改进,最终得到了与绝对收入假说下的消费模型相一致的北京市城镇居民消费模型,对所得模型进行预测检验,结果显示,计量经济模型较Rp^2所得模型更为合理、精确,对制定相关经济政策更具指导意义。     

基于组合预测法的台州市需水量预测研究

运用多种预测方法的组合预测,采用BP神经网络法、人均综合用水量法对台州市2020年、2030年总需水量进行了预测;采用人均用水量推算法、灰色预测法、数学模型法预测台州市2020年、2030年城乡生活需水量、工业需水量、第一产业需水量等分类需水量.结果表明,组合预测方法应用于台州市用水需求预测是可行的.组合预测综合考虑了各种因素的影响,能够提高需水量的预测精度,为水资源合理规划提供了科学决策依据.     

成都市居民未来生活用水量预测模型的选择

以成都市居民生活用水量为背景,采用不同的预测方法进行了实例计算,分析比较了多个模型的预测精度,并在此基础上确定了适合成都市居民生活用水量变化特征的新的预测模型－自组织模型。研究结果表明,自组织方法（GMDH）是强有力的建模方法,是一种有效的预测手段。     

考虑气象因子的城市日用水量预测模型

讨论了影响城市用水量变化的气象因素,对某市6个月的用水量及气象数据进行分析,评估了温度、湿度、降水量与城市用水量的相关程度,并通过分别引入单气象因子和多气象因子,建立了日用水量预测的ARX模型.结果表明,在单步长(1 d)预测中,综合考虑最高温度和平均湿度的影响后,预测精度较时间序列的自回归模型有较大改进,同时也优于仅考虑单气象因子的预测模型.此外,在多步长的预测中,考虑气象因子后的预测模型精度仍具有明显的优势,是对用水量自回归时间序列预测方法的有效完善.     

基于GM(1,1)-马尔科夫模型的城市用水量预测

运用GM(1,1)-马尔科夫模型对城市用水量进行预测,克服了灰色预测与马尔科夫预测各自的缺点和不足,提高了预测的精度,增强了预测结果的可靠性、科学性和实用性.     

灰色递补模型在城市需水量预测中的应用

目的提出使用灰色递补模型准确地预测城市需水量,弥补传统灰色预测中不能对外界影响因素做出反应的不足.方法在传统灰色预测基础上,由已知数列预测一个值,将预测值补加到已知数列中去,同时去掉最早期的一个数据,保持维数的不变,接着预测下一个数据,把新的数据补充到原数列中去,同样去掉最早期的一个数据,这样逐个替换、补充,依次递补,直到完成预测目标.结果通过模型模拟结果可以看出灰色递补模型在模拟精度方面要远远超过传统灰色模型,灰色递补模型模拟的相对误差较小,小误差概率P、均方差比值C都较好,对未来需水量预测更准确.结论通过对比和实践验证,灰色递补模型弥补了传统灰色模型在预测中的不足,把外界对需水量的影响降到最低,能更好地预测城市未来需水量.     

三种城市日用水量预测模型对比研究

为实现科学、安全供水,建立精度高、可靠性强的城市日用水量预测模型,分别运用单指数平滑法、灰色预测方法、BP神经网络三种方法,对A市进行城市日用水量预测,并具体分析了各种方法的优缺点及适用范围.通过优化对比分析,当基础数据较完善时,BP神经网络预测模型精度较高,能较好地满足预测要求.     

灰色残差模拟在城市用水量预测的研究

目的 使用灰色残差模型,解决预测城市需水量问题.方法 在传统灰色预测基础上,通过模型模拟的还原值与原始数据比较,取其差值,构建新数列模型代回原模型修正误差.结果 通过对2000-2004年沈阳市生活用水量计算,灰色残差模型中均方差比值c为0.32,小误差概率p为0.94.而传统灰色方法 中均方差比值c为1.03,小误差概率p为0.62.表明灰色残差模型在模型精度方面高于传统灰色方法 ,更能对外界因素的影响做出反应.结论 通过对比验证.灰色残差模型弥补了传统灰色模型在预测中不足而且能更好地预测城市未来需水量.     

基于灰色关联分析和支持向量回归机组合模型的 我国畜产品消费量预测

我国是畜产品生产消费的大国。随着畜产品种类的日益丰富, 畜产品消费结构也悄然变化, 为了避免市场 供需失衡, 研究预测我国畜产品消费量对引导制定较为合理的生产计划有着十分重要的意义。基于此, 构建了基于 灰色关联分析和支持向量回归机的畜产品消费量组合预测模型。灰色关联分析为组合预测提供了选取单项预测模 型的依据, 确保了参与组合预测的单项预测模型的质量, 支持向量回归机以其良好的学习泛化能力用于组合预测中, 可以对复杂环境下的事物做出较为准确的预测。在上述理论与方法研究的基础上, 将基于灰色关联分析和支持向 量回归机的组合预测模型综合应用于我国猪肉消费量的预测实践中, 通过实验结果比较分析, 验证了研究成果的 有效性。