基于粒子群优化算法的城市日用水量预测模型

结合城市日用水量影响因素的特点和变化规律，建立了城市日用水量预测模型，采用粒子群优化算法优化BP人工神经网络的连接权值，以求解该预测模型。经优化后的BP人工神经网络运算速度快、泛化能力强、预测精度高。实例验证结果证明该日用水量预测模型和求解方法是可行的。     

基于小波支持向量机的城市用水量非线性组合预测

基于支持向量机(SVM)和小波框架理论,建立了城市用水量非线性组合预测模型,介绍了该模型的结构设计方法,并采用SMO算法对模型进行求解。实例表明,该模型具有很强的泛化能力与适应数据和函数变化的能力,能够有效提高预测精度,可用于供水系统调度的用水量预测。     

应用实用动态组合模型预测城市日用水量

将时间序列中的日用水量历史数据引入以温度等作变量的回归分析模型，建立了日用水量非线性回归组合预测模型，同时为进一步提高预测精度，用4阶自回归模型对回归残差序列进行时间序列分析，建立了日用水量预测实用动态组合模型。以华北某市日用水量的实测数据对其进行检验，结果表明该模型具有较高的预测精度。     

基于加权组合预测模型的城市用水量预测

介绍了移动算术平均预测法和BP神经网络理论在城市用水量预测方面的应用,并运用组合权系数优化理论,将移动算术平均预测法模型和BP神经网络预测模型进行加权组合。经吉首市实例验证,表明加权组合预测模型较单一的移动算术平均预测法模型和BP神经网络预测模型更全面,计算结果更精确,拟合效果更好。该模型能为我国中小城市用水量预测提供参考。     

城市给水系统优化调度研究综述

介绍了城市给水系统优化调度的主要内容。用水量预测研究和给水管网数学模型研究是优化调度的基础。用水量预测模型是在分析城市用水量序列数据模式的基础上,综合利用统计回归的方法建立的数学表达式。给水管网数学模型是建立水厂出厂压力和流量与管网测压点之间的经验数学表达式,它反映了给水系统的运行工况。优化调度模型的建立和求解是优化调度的核心。     

组合模型在城市用水量预测中的应用

将灰色模型和一元线性回归模型应用于城市用水量的预测,并用方差-协方差优选组合模型将灰色模型和一元线性回归模型进行组合.实例分析表明,组合模型的预测精度优于单个模型,可用于城市用水量的预测.     

改进单指数平滑法预测某市日用水量

为实现供水管网经济、可靠、科学的优化调配用水量,给出一种基于改进单指数平滑预测方法,该预测方法引进"追踪信号"来反应时间序列的变化,通过重新修正平滑常数a以建立改进单指数预测模型。以东北某城市日用水量为原始数据进行了实际预测,模型精度检验的结果满足Y市用水量要求,该预测模型应用于Y市的日用水量预测,为Y市供水优化调配提供有效依据。     

时用水量预测的实用组合动态建模方法

利用随机过程及时间序列分析手段，根据用水量序列季节性、趋势性及随机扰动性的特点，建立了水量预测的实和组合动态模型。解决了标准日与周末用水量预测的衔接问题，利用加权递推最小二乘法（ＲＬＳ）进行动态参数估计，因此可很好地满足实时控制的需要。该方法经实例验证，预测误差较小，适用性强，可直接应用于供水系统的高度控制中。     

基于灰色RBF组合模型的城市用水量预测

为解决城市用水量预测中单一方法预测精度不高的问题,建立了灰色径向基（RBF）神经网络组合模型。对比实验结果表明,灰色GM（1,1）模型、RBF神经网络模型和灰色RBF神经网络组合模型的平均相对误差分别为2．1222％,1．2562％和0．6821％。与灰色GM（1,1）模型和RBF神经网络相比,灰色RBF神经网络组合模型充分发挥了灰色系统的贫乏数据建模和RBF神经网络的高度非线性映射能力的双重优势,具有较高的预测精度,更适合用于城市用水量预测。     

太原市污水量预测方法研究

为满足太原市污水处理厂提前布局的紧迫需求,研究采用城市综合用水量指标法、综合生活用水比例相关法、不同类别用地用水量指标法预测城市用水量,再采用折污系数法确定城市污水量规模。研究对三种方法的适用情形进行了分析,并利用统计方法减少参数确定的主观影响,进一步优化了预测方法。