城市用水量中长期预测模型的研究

城市用水量中长期预测结果 ,对于给水工程运行管理和城市基础设施规划有着重要的意义。认为城市中期用水量的预测应采用BP网络预测模型 ,长期用水量的预测应采用灰色预测模型 ,并通过实测验证了BP网络预测模型和灰色预测模型的合理性。     

用水量预测模型的灰色综合评价与择优

近年来,各种用水量预测方法不断出现,然而在对用水量预测模型拟合精度的评价上仅采用单一指标.针对这种单一指标评价方法的不足之处,建立了用水量预测模型的灰色理论综合评价体系,依据灰色系统理论中灰色关联分析的原理,提出了用水量预测模型的灰色理论综合评价方法,为用水量预测模型的评价及模型的择优提供参考.实例表明,该法评价的模型适应性较强,模型拟合精度较高.     

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。     

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。     

组合模型在用水量预测中的应用

鉴于一个地区用水量的复杂性和非线性的特征,分别采用灰色预测模型、Logistic模型和龚帕茨模型预测成都市城市用水量.通过进行冗余检验,灰色预测模型是冗余方法,剔除冗余方法后,对Logistic模型和龚帕茨模型采用最小化方差的办法进行权重分配,建立了成都市用水量的组合预测模型.结果表明:与单项预测模型相比,组合模型的预测精度高,预测结果更加可靠.     

天津市城市用水量模拟方法的研究

通过对时间序列分析方法的研究总结 ,提出了以季节性指数平滑法对城市用水量进行预测模拟。建立了城市用水量预测模型 ,并应用于天津市用水量的预测。经预测残差和自相关分析 ,证明该预测模型可以满足工程需要。     

城市用水量预测模型综合研究

从分析城市用水量变化规律着手，给出了城市用水量预测的常用模型，并以此为基础分析了选择用水量预测模型时所需考虑的影响因素。最后，以西安市日用水量预测模型的建立为例，验证了上述研究的实用性。     

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。     

城市年用水量灰色预测研究

灰色预测模型要求原始数据序列满足指数规律,而实际上城市用水波动性大,无典型指数趋势变化,而一般呈代数曲线形式变化,因此本文提出了改进的灰色模型在城市年用水量预测中的应用,改进的灰色预测模型主要基于灰色预测模型一次累加的建模思路。将改进的灰色预测模型用于某城市的年用水量预测,结果表明:改进的灰色预测模型与传统的灰色预测模型相比,平均相对误差以及原点误差均较小,可用于该市的年用水量预测,为该市年用水的宏观调控与用水规划提供参考。     

城市用水量预测模型综合研究

从分析城市用水量变化规律着手，给出了城市用水量预测的常用模型，并以此为基础分析了选择用水量预测模型时所需考虑的影响因素。最后，以西安市日用水量预测为例，建立了三阶自回归预测模型，经与实测值对比检验，精度较高，可用于供水系统调度管理。     

城市年用水量的分类预测探析

在对某市年用水量随机时间序列原始数据进行预处理的基础上,发现该市年生活用水量的一次累加时间序列数据具有明显的线性趋势;工业年用水量一次累加用水时间序列服从一元多项式。将该市年总用水量分为工业、生活、其他三类进行分类预测,分别用一次累加乘幂指数预测、一次累加一元多项式预测对该市生活和工业年用水量进行了预测,复相关系数达0.99。为便于分析比较,对该市年总用水量预测上采用对年用水量预测效果较好的灰色预测模型进行了预测。结果表明:分类用水量预测比总体用水量预测具有精度高,结果稳定的特点,可用于该市的年用水量预测。     

城市年用水量的分类预测探析

在对某市年用水量随机时间序列原始数据进行预处理的基础上,发现年生活用水量的一次累加时间序列数据具有明显的线性趋势.分别用一次累加乘冪指数和一次累加一元多项式对该市工业和生活年用水量进行了预测,复相关系数达0.99.为便于分析比较,采用对年用水量效果较好的灰色预测模型进行了年总用水量预测.结果表明:分类用水量预测比总体用水量预测具有精度高,结果稳定的特点,可用于年用水量预测.     

伊通河地表水环境影响评价

据灰色决策的基本原理,采用宽域灰色决策法,对1999年平水期伊通河水质现状进行评价;采用地面水环境影响评价预测导则中的“小河预测模式中的河流完全混合模式”对伊通河进行水质预测评价。     

城市需水预测模型研究

需水量预测是供水决策,水利投资数额的重要参考指数,在水资源规划与管理中起着重要的作用。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。     

RBF与GRNN神经网络模型在城市需水预测中的应用

针对需水量预测具有受诸多因素影响的复杂、高维和非线性等特性,本文基于RBF与GRNN神经网络算法原理,构建RBF与GRNN神经网络需水预测模型,将模型应用于城市需水预测中,并与基本BP神经网络模型以及灰色GM(1,1)需水预测模型的拟合、预测结果进行了对比分析.结果表明:①RBF与GRNN神经网络模型有着较高的拟合、预测精度,平均相对误差均在5％以内,表明研究建立的RBF与GRNN神经网络模型应用于需水预测是合理可行的,模型泛化能力强,预测精度高,算法稳定,与基本BP网络算法相比,RBF与GRNN网络模型还具有收敛速度快、调整参数少和不易陷入局部极小值等优点,可以更快地预测网络,有着良好的应用前景.②相对而言,RBF与GRNN神经网络模型预测精度要优于基本BP网络和灰色GM(1,1)模型.     

基于改进 GRA-NARX 模型的不同预见期 泵站水位预测

基于超参数自动率定的 GRA-NARX（grey?relation?analysis-nonlinear?autoregressive?model?with?exogenous?inputs） 模型是 GRA-NARX 模型的一种有效改进。以南水北调东线一期工程洪泽泵站为例，使用基于超参数自动率定的 GRA-NARX 模型，针对 1?h 和 2?h 时间间隔的输入数据，分别预测 3 个短预见期（2?h、4?h、6?h）和 1 个长预见期（12?h） 的泵站站前水位，并与 GRA-BP（grey?relation?analysis-back?propagation）模型的预测结果进行比较。结果表明：不同 预见期（2?h、4?h、6?h、12?h）下，基于超参数自动率定的 GRA-NARX 模型的相关系数、均方根误差和平均绝对误差 等指标均相差不大，预测精度高，且皆优于 GRA-BP 模型；采用 1?h 时间间隔的输入数据预测结果优于 2?h 时间间 隔的输入数据结果。研究成果可为不同预见期泵站站前水位预测提供理论参考。     

灰色理论在龙江突发镉污染水质预测中的应用

利用灰色预测理论,建立了龙江突发水污染水质变化趋势的GM(1,1)预测模型,而后对模型进行残差修正。结果表明:经残差修正后的GM(1,1)模型更为合理,预测精度明显提高。本研究中灰色理论能够有效地对突发性水污染事故中的水质变化趋势进行短期预测,为相关部门及时采取相应的应急措施提供参考,减小事故风险。     

基于多尺度相关向量机的城市日用水量预测

为提高日用水量预测精度,提出一种基于多尺度相关向量机的预测模型。通过静态小波分解将用水量非平稳时间序列分解为不同尺度的平稳时间序列,然后在分解后的各子序列分别建立相关向量机回归模型进行预测,最后通过小波逆变换将各子序列预测结果整合得出原始用水量时间序列的预测值。在实例分析中分别利用多尺度关联向量机模型和单尺度相关向量机预测模型对实际用水量进行预测分析。结果表明,前者具有更高的预测精度,可应用于城市日用水量的预测。     

基于SVM的河道洪峰水位校正预报方法

针对平原河网地区河道洪峰水位预报中经验模型可靠性不足的问题,提出一种基于SVM的河道洪峰水位校正预报方法。采用谱系聚类法对历史洪水过程数据按降雨特性分类,选择与预报降雨过程最接近的历史数据训练预报模型;采用PCA对输入数据降维以提取有效特征;基于支持向量回归机建立河道洪峰水位预报模型;采用滚动模式对洪峰水位预报,每小时根据最新水位以及降水信息预报未来洪峰水位,不断提高预报精度。通过对京杭运河拱宸桥站的洪峰水位实例预测验证了该研究方法的有效性。