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。     

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。     

灰色模型和BP神经网络模型在城市时用水量预测中的应用比较

在城市时用水量预测模型中,灰色模型和BP神经网络模型是两个应用较为广泛的模型,是它们有着各自的优缺点,预测精度也不相同.本文以南方某市为例,基于两种模型的预测原理,利用MATLAB数学软件对该市的时用水量进行了预测,并对两个预测模型的预测结果进行了误差比较分析,得出了BP神经网络模型是适合该市的时用水量预测模型.     

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。     

基于神经网络的城市日用水量预测

分析了影响城镇日用水量的非线性因素,利用人工神经网络,选择影响城市日用水量的主要因素。建立城镇日用水量预测模型,并将该模型的预测效果与传统的日用水量模型预测效果进行比较,结果显示该模型的预测精度更高、所需时间更短、更适用于影响因素较多的城市日用水量的预测。     

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。     

改进BP网络模型在年用水量预测中的应用

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,利用人工神经网络理论建立了改进BP网络预测模型,通过实例证明了该模型是一种行之有效的用水量预测模型。     

城市用水量预测

本文引用柯布——道格拉斯生产函数建立城市用水量预测模型,并以某市为背景作了实例计算,分析了城市居民消费水平、居住面积以及工业总产值的增长对该市2000年和2010年用水量的影响。     

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。