BP神经网络在城市需水量预测中的应用

将BP神经网络方法,引入到城市需水量预测中,表现需水量众多影响因子的非线性复杂因果规律,结果表明,神经网络方法应用到城市需水量预测中具有较强的预测能力和很高的可信度,技术上是可行的。     

城市生态环境需水理论与计算方法研究

论述了城市生态环境需水量的概念与内涵,分别从生活需水、工业需水和自然环境需水3个方面分析了城市生态环境需水量的计算方法.以郑州市为例进行了实证研究,预测了2010,2015,2020年城市生态环境需水量分别为6.01,7.24,8.40亿m3,为郑州市合理配置利用水资源提供理论依据.     

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．     

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.     

组合预测方法在需水预测中的应用

社会经济和气候因素对水资源需求的影响一直是国内外重点关注的研究领域,以东莞市为研究对象,将需水量影响因子划分为气候因子、经济因子和社会因子,选取不同的影响因子建立需水预测模型,分析各类因子与需水量之间的响应关系.在此基础上选取最合适的影响因子,应用多种方法建立预测模型,采用最小方差组合预测技术对不同预测模型的结果进行集成.研究结果揭示了东莞市需水量变化的情景和成因,预测了东莞市需水量变化趋势,并为东莞市水资源需求预测管理提供理论基础.     

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。     

城市发展和城市供用水关系研究

水是人类赖以生存的主要资源,是城市生存和发展不可缺少的物质保证,随着城市化进程的加快和城市用水的增长,水危机成为普遍问题,对城市经济发展和水利用关系研究显得必要.通过对东北地级城市和主要缺水的县级城市的社会经济发展和水资源的供需关系研究,提出了解决城市缺水的对策方案,为今后研究城市水资源提供了参考.     

灰色神经网络耦合模型在城市需水量预测中的应用

目的为了更准确预测城市用水量,弥补灰色和神经网络预测模型在中长期需水量预测中的不足.方法采用最小方差法建立了灰色新息递补模型和新息递补BP神经网络的耦合模型即灰神经模型,并对城市需水量进行预测.结果预测沈阳市生活需水量,灰神经网络耦合模型的平均相对误差为0.144%;预测沈阳市工业需水量,灰神经网络耦合模型的平均相对误差为0.19%.在模拟精度方面远远高于其他模型的模拟值,提高了预测的准确性.结论提出了用灰色神经模型来预测城市需水量的方法,能更好地预测城市未来需水量,把影响预测的不定因素降到最低限度,具有广泛的实用性.     

灰色神经网络最优权组合模型预测城市需水量

需水量预测是一个大量数据指标和影响因素共同作用的复杂系统。目前以单一的模型预测为主,而这种预测方法仅能体现该系统的局部。针对这一情况,利用灰色模型和改进BP神经网络,建立最优权组合模型预测城市需水量,使用Matlab进行实例计算,并与其他预测方法比较。结果表明,该模型有较高的预测精度,优于单个模型,预测效果更优于其他方法。     

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.     

神经网络在城市用水量预测中的应用研究

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 ,探讨了基于神经网络的城市用水量预测的非线性时间序列递推预测方法 ,并利用该方法对郑州市城市用水量进行了时间序列模拟 ,实例证明了该方法的正确性和科学性 .将神经网络的BP算法应用于城市用水量系统的建模和预测 ,并给出了较为详细的计算结果 ,具有一定的理论价值     

城市供水系统两级优化调度的宏观模型研究

在简略阐述净水厂的优化调度模型应针对具体供水系统特征建立的观点后，着重说明了应用前馈神经网络理论建立反映供水系统管网工况的宏观模型新方法，并以沈阳市供水系统为基础提出了两级优化调度数学模型。实例计算与分析结果表明，优化后的调度方案不仅能显著提高各供水二泵站的运行效率，而且可节省电耗约３６％。     

基于神经网络的制造企业需求订单评价方法

对制造企业而言，订单评估是企业需求管理的一项任务，是制定生产计划的前提。订单优选是一个多属性的综合决策问题。运用神经网络的方法来建立模型，并应用Matlab软件辅助设计和优化网络，在BP神经网络的学习算法中，不断调整权值，不仅使工作量减小，而且得到更为快速和精确的结果，使企业做决策更加科学合理。应用实例显示了该方法的有效性与实用性。     

一种基于补偿模糊神经网络的水质预测方法

在污水处理系统过程控制中,对水质变化规律进行预测是控制系统可靠、稳定运行的重要环节.介绍了基于模糊逻揖和神经网络的补偿神经网络(CFNN)及其学习算法,利用CFNN学习速度快、学习过程稳定、全局动态优化运算等特点,建立污水处理厂CFNN的水质预测模型.实例预测结果表明该模型对初始值的选择不敏感,具有很好的收敛性和预测精度,适合实际工程应用.     

城市给水系统时用水量的几种联合预测方法

研究了城市给水系统时用水量的单一预测方法 ,并提出几种联合的预测方法。对各种方法的实际运用结果进行比较 ,发现联合预测的精度要优于单一的预测方法     

中小城市交通生成量预测模型研究

随着经济的发展,许多中小城市都面临着城市扩大的趋势,土地利用布局发生很大的改变.而土地利用是出行活动生成的决定因素之一.因此,为了提高中小城市出行生成预测模型的精度,将中小城市的交通生成预测问题和交通小区土地利用结合起来,引入区位势能对土地利用进行量化,从而使预测结果更加精确.     

基于径向基神经网络的污垢预测方法研究

污垢的形成是一个复杂的物理化学过程,影响因素众多。传统的基于形成机制的清晰理解而开展污垢预测的研究方法,虽历时多年,仍进展缓慢。应用径向基神经网络和BP网络分别对污垢形成进行预测,研究表明RBF网络能有效地预测污垢热阻,且比BP网络具有更快的收敛速度和更高的预测精度。