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.     

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。     

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.     

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。     

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。     

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。     

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。     

基于BP神经网络工具箱的城市短期用水量预测

城市用水量预测受众多因素影响,具有非线性的特点。将气温、天气状况、节假日因素引入城市短期用水量预测,建立了面向MATLAB神经网络工具箱的BP神经网络预测模型。根据历史数据训练预测模型和进行仿真实验,并生成了预测数据与实际数据的拟合曲线。结果表明,BP神经网络模型在城市用水量预测中具有可靠性。     

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。     

城市需水预测方法比较

为了提高城市需水预测精度,基于北京市2004—2014年用水量及影响因子,利用多元线性回归法、灰色模型预测法和BP神经网络法3种需水预测方法,模拟北京市用水量,并用北京市2015、2016年用水量对3种方法精度进行验证。结果表明:在现有资料基础上,虽然3种需水量预测模型均是可行的,但是BP神经网络法预测模型比起其他2种方法,预测精度最高,而且还具有收敛速度快、调整参数少等优点。预测得到了北京市2020年需水量为38.63亿m3,且在近几年仍呈增长趋势。     

贵州省工业需水量预测研究

等维灰色递补模型以灰色模型为建模基础,引入贵州工业用水量历史数值,选择合适的数据序列,建立预测精度较好的GM(1,1)预测模型,从而构建灰色递补GM(1,1)预测模型。该模型预测精度等级为"好",故预测需水量具有可靠性和参考价值。灰色递补模型显著地减小了后验差比值C,弥补了灰色模型的不足,可为城市中长期供水规划提供方法选择。     

基于PSO-LSSVM的干旱区中长期降水预测模型研究

降水量的准确预测对于干旱地区的水资源综合利用、抗旱减灾有重要意义。引入基于粒子群算法进行参数寻优的最小二乘支持向量机模型(PSO-LSSVM),构建考虑7a周期的年降水样本及考虑季节性特征的月降水样本,建立干旱区年、月尺度下的中长期降水预测模型,并应用新疆阿勒泰地区1960—2013年实测降水序列,验证模型的适用性。结果表明基于粒子群算法与最小二乘支持向量机的中长期降水预测模型预测精度高,泛化能力强,能有效地预测新疆阿勒泰地区年、月降水量。该模型为干旱区中长期降水预测提供了一种可靠的研究思路与方法。     

Improving ANFIS Based Model for Long-term Dam Inflow Prediction by Incorporating Monthly Rainfall Forecasts

The necessity of long-term dam inflow forecast has been recognized for many years. Despite numerous studies, the accurate long-term dam inflow prediction is still a challenging task. This paper presents an adaptive neuro-fuzzy inference system (ANFIS) based model and evaluates the applicability of categorical rainfall forecast for improvement of monthly dam inflow prediction. In order to obtain appropriate ANFIS model configuration for dam inflow prediction, several models were trained and tested using various numbers of input variables i.e. monthly observed rainfall, relative humidity, temperature, dam inflow and categorical monthly rainfall forecast. The ANFIS based models were configured and evaluated for six major dams of South Korea i.e. Andong, Chungju, Daecheong, Guesan, Soyang and Sumjin having high, medium and low reservoir capacity. The results showed significant improvement in dam inflow prediction for all the selected dams using the ANFIS based model with categorical rainfall forecast compared to the ANFIS based model with only preceding month’s dam inflow and weather data.     

基于多模型组合方法的公平水库中长期入库径流预报

准确可靠的水库中长期预报结果对于指导受水区水资源优化配置等具有重要意义。本文首先选取SARIMA 模型、SVM 模型、XGBoost 模型与RF 模型分别构建公平水库月入库径流预报方案，以气象因子的物理机制为基础，在成因分析与随机森林重要性排序的基础上筛选关键预报因子并输入至4 个单一模型中。然后在对比分析各模型优劣的基础上，以线性与非线性组合2 种方式构建组合预报方案。结果表明：RF 模型在4 个单一模型中的模拟结果表现最优，SARIMA 模型的模拟精度随着入库径流量的增加而增加；组合预报模型较任一单一模型的模拟结果均更好，基于神经网络的非线性组合方式能够有效提高验证期的模拟精度，增加模型的泛化能力。     

基于支持向量机(SVM)的祁连山典型小流域日降水-径流模拟研究

及时准确的日径流预测在流域水资源的合理规划、利用及管理中具有十分重要的作用。本文以支持向量机(SVM)模型为基础,以祁连山典型小流域-排露沟流域为研究区域,建立了流域日降水-径流模型,对流域未来1~7 d的日径流量进行了模拟预测。为检验SVM模型的有效性,模拟结果与人工神经网络(ANN)模型预测结果进行了对比。结果表明:SVM和ANN均表现出了很高的精度;但相比于传统的ANN模型,SVM模型的预测精度显著提高。表明SVM模型在半干旱山区小流域径流预测中有更好的适用性,可以用于流域中长期日径流预测,是资料有限的条件下中长期日径流预测的有效工具。     

黑河流域水资源实时调度系统

本文结合黑河流域实际情况和流域发展的现实需求，提出了“宏观总控、长短嵌套、实时决策、滚动修正”的流域水资源实时调度的模式，并应用自适应控制方法，建立了流域水资源的实时调度系统，包括相互嵌套的实时调度预报子系统、实时调度决策子系统和实时修正子系统。实时调度预报子系统主要包括长期和短期径流预报、土壤墒情预报和需水预报；实时调度决策子系统包括长期和短期调度决策；实时修正子系统是根据采集的实时信息，进行长期和短期调度的修正。     

云南省汛期月度电量交易计划分解方法

针对日负荷和来水预测不确定性带来的中长期电量交易计划分解难以达到预控的进度目标,提出了汛期月度电量交易计划分解方法。利用日尺度负荷和径流预测结果,动态更新当日至月末的负荷和入库流量预测信息,采用当日的月累实发电量完成度与系统计划完成度偏差最大值最小的目标函数,生成参与发电计划调整的电站集合,滚动修正后续日发电计划。以云南省澜沧江、金沙江、怒江、红河以及伊洛瓦底江等干流流域约56座省调平衡水电站为研究对象,实例结果表明：该方法可满足当前云南电力交易中心的中长期交易电量分解到日的需求,有效解决了目前中期电量交易计划分解与梯级上下游水量平衡衔接不够紧密的实际难题。     

灰色系统GM(1,1)模型在尼尔基水库年来水量预测中的应用

文中介绍了灰色系统理论、建模原理及其检验方法,以及利用尼尔基水库20年的年来水量资料建立灰色预测GM(1,1)模型,对尼尔基水库年来水量进行预测.经残差、关联度等检验分析,并对实测资料进行检验,模型精度较高,效果较理想,可以考虑应用于尼尔基水库径流中长期预报,为水库发电、供水提供必要的预测信息.     

Rough Fuzzy Inference Model and its Application in Multi-factor Medium and Long-term Hydrological Forecast

This paper targets efforts to integrate rough set theory and the fuzzy inference technique into the multi-element medium and long-term hydrological forecast. Rough set theory is used to predigest the data and deal with the redundant inconsistent initial information table. Accordingly, the factors are reduced with the attribute significance concept. The minimal solution which is as fuzzy inference forecast pattern rule set in the model is achieved according to the principle of maximal attribute significance and combination significance as well as rules frequency. The model is applied to forecast annual runoff of Dahuofang Reservoir in China. The results indicate that the forecast precision is improved with rough set and the model can effectively reflect the non-linear relations between the runoff and factors and provide an effective and adaptable method to solve forecast problems related to complex factors selection and minimal inference rule set generation.     

基于气象模式的汉江流域洪水预报系统

针对现行洪水预报方法的不足与汉江流域的特点,建立了汉江流域MM5气象预报模式和VIC分布式水文模型,耦合集成3种预报模式并开发了基于气象模式的汉江流域洪水预报系统。应用2005~2007年汛期日水文气象资料进行验证,结果表明所建VIC分布式水文模型具有较高的模拟与预报精度。基于气象模式的汉江流域洪水预报系统可为汉江流域的中长期水文预报和水资源综合管理提供技术支撑和决策参考。