RBF网络预测城市用水量模型

考虑了影响城市用水量的气温、节假日和阴晴状况等因素，利用径向基函数网络(RBF网络)建立了日用水量的动态预测模型。先用实际配水系统的用水量数据训练网络，之后用训练好的网络模型预测实际配水系统的用水量数据，结果显示预测精度良好，其残差序列的自相关系数落在95％的置信区间内。     

基于MATLAB的BP网络在月生活用水量预测中的应用

月生活用水量的预测对于供水企业制定月用水量生产计划具有重要的指导意义.以重庆市某建筑的实际用水量为样本,建立了传递函数为logsig、训练函数为trainlm的3-10 -1结构的BP网络模型,计算出网格的训练误差为0.0444,训练样本的平均相对误差的绝对值为1.35％,并应用该模型预测了重庆市某小区建筑2011年3...     

基于房屋普查数据与人工神经网络的震害预测方法

为简化震害预测工作,提出一种以房屋普查数据为震害影响因子并利用人工神经网络模型为工具的震害预测方法。从以往震害实例中选取了具有典型破坏特点的建筑物作为神经网络的学习样本,用收集的数据对网络进行了训练并得到了收敛的网络,应用此收敛的网络对一组新的房屋数据进行震害预测,结果表明了运用此方法和模型的实用性。     

基于GALM神经网络的建筑能耗短期预测

为改进以往神经网络对建筑能耗预测的不足,提出应用遗传算法结合Levenberg-Marquardt算法(GALM)改进神经网络对建筑能耗进行预测。首先,利用遗传算法优化神经网络的权值和阈值;其次,利用Levenberg-Marquardt算法优化神经网络训练,针对影响建筑能耗的主要因素建立GALM神经网络的建筑能耗预测模型。通过建立建筑能耗监测平台采集某公共建筑1个月的能耗数据,对该模型进行训练和测试。实验结果表明,该模型可以准确且高效地对建筑能耗进行短期预测。     

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。     

基于神经网络预测误差修正的广义预测控制

针对建模误差对预测控制的影响,提出一种基于神经网络预测误差修正的广义预测控制算法.被控对象采用递推最小二乘法(RLS)辨识其线性模型;预测误差由前馈神经网络进行建模,并用Powell快速优化方法训练网络.该方法无需预先离线训练神经网络,即可投入闭环控制,并具有理想的稳定性、跟踪性能和鲁棒性.仿真结果表明该算法能够有效地控制复杂系统.     

基于RBF网络的城市供水短期负荷预测

根据城市用水量序列的非线性时序特点,利用径向基函数神经网络(RBF网络)建立城市用水量短期预测模型,并采用某市日用水量和小时用水量的实际数据分别进行了建模和预测,结果显示该方法具有建模简便实用、预测精度良好的优点,可满足实际需要。     

人工神经元网络模型在城市用水量预测中的应用研究

本文针对常规城市用水量预测模型在预测中存在的盲目性大、拟合精度不高且预测容易失真的不足,引入BP神经元网络的计算方法,建立了非线性人工神经元网络预测模型:利用人工神经元网络学习理论对非线性离散参数的辨识理论对城市用水量需求预测方法进行了较为深入、系统的研究。该模型考虑了城市中众多因素对用水量需求的影响,使所建立的预测模型初步具备系统决策功能。实例预测表明,本文所建立的BP神经网络预测模型系统及其相应计算方法具有较高的预测精度和准确度,能够为城市的用水量预测提供规划依据。     

单桩沉降预测的神经网络简化模型

在前人研究的基础上,提出单桩沉降预测的神经网络简化模型,以已测单桩沉降值作为训练网络输出值进行学习,根据训练好的网络来预测区域其他桩的沉降,工程算例模拟结果表明,利用神经网络简化模型预测单桩沉降体现了其处理非线性问题的能力,其预测的结果还是令人满意的。     

BP网络预测再生混凝土性能研究

利用BP神经网络模型,对再生混凝土强度及工作性能的预测方法进行了探讨。根据再生混凝土的特殊性,找出影响其强度和坍落度、保水性的主要因素,对试验中通过主观观察得到的数据进行量化,在此基础上建立预测其强度和工作性能的BP神经网络模型,针对所建模型,输入一定量的实测数据样本,对网络进行训练。为了验证训练好的网络的推广性能,用预留的一组试验数据进行仿真训练的效率和误差及仿真计算的结果表明,采用优化的BP网络模型及合适的样本参数训练出的预测系统对再生混凝土的强度及工作性能进行预测是可行的。     

混沌局域法与神经网络组合供水量预测

城市供水量是非线性、非平稳时间序列,组合预测模型能获得更高精度预测结果。通过深入分析混沌局域法与神经网络预测模型特点,提出了一种新的组合预测模型。首先,应用混沌局域法对城市日供水量进行初预测,然后,应用神经网络对预测结果进行修正。由于所提出的组合模型利用了混沌局域法及神经网络进行优势互补,能同时提高预测精度与计算效率。为验证所提出组合预测模型的可行性,采用某市7a实测供水量数据,对混沌局域法、BPNN、RBF及GRNN神经网络4种单一预测模型及相应的3种组合模型预测精度进行定量分析,结果表明,组合预测模型精度都高于对应单一预测模型,混沌局域法与GRNN神经网络组合模型预测精度最高,且运算时间远低于单一神经网络模型运算时间。     

基于时空序列模型的RBF神经网络在河流水位预测中的应用

河流水位预测一直以来都是水文预报中研究的热点。河流水位变化不定,具有时间上和空间上的变化性、多维性、动态性和不确定性等,给水位预测带来了挑战。本文综合考虑河流水位时空信息,建立基于时空序列的RBF神经网络预测模型来预测河流水位。实验中预测了金沙江下游向家坝水文站的水位信息,并将实验结果与其他多种水位预测方法比较,实验结果显示基于时空序列的RBF神经网络模型在河流水位预测中具有较高精度,证明了方法的可行性。     

系统动力学模型用于城市需水量预测

将系统动力学方法运用于城市需水量预测,其建立的模型可以全面地考虑各种主要因素对城市需水量的影响,较好地解决社会及经济发展水平等影响城市需水量预测所产生的误差问题.结果表明,应用系统动力学模型预测城市需水量,系统性强,预测结果准确度高.     

福州市水资源供需平衡的对策

水资源规划的核心是水资源平衡,水资源平衡是需求和供给的平衡,需水量预测包括工业、农业、城镇生活和河道生态需水量四个部分。通过分析用水统计数据,研究用水结构特点,进行需水量预测,提出水资源供需平衡规划及对策。     

Robust optimization of valve management to improve water quality in WDNs under demand uncertainty

ABSTRACT

Water quality deterioration in water distribution networks can be associated with high water residence time in the network. To this end, some previous studies have proposed optimization procedures for valve management. However, these studies generally come up with operational configurations assuming deterministic user demand patterns that may never occur in reality. In consequence, the proposed solutions may not be effective for improving water quality or do not comply with pressure constraints if different demand patterns are observed. This study proposes a methodology to determine robust configurations of the valves to keep water residence time at acceptable levels regardless of the variability in demand patterns. The methodology is tested on four different distribution systems of varying topology and size. Results show the importance of executing robust – instead of deterministic, optimization to find valve configurations that guarantee the performance of the networks in terms of hydraulics and water quality.     

城市道路信息管网需求量预测分析

城市道路信息管网是一种新兴的管网技术。通过对其需求量影响因素进行分析,建立了城市道路信息管网需求量的预测步骤及模型。并以运营商——中国电信为例,验证了预测模型的正确性;在此基础上,给出了其它运营商信息管网需求量预测的具体建议,供各城市发展道路信息管网时参考。     

Accurate water demand spatial allocation for water networks modelling using a new approach

The paper presents an alternative approach regarding the spatial allocation of the actual water demand (at node level) when developing a pipe network's hydraulic simulation model. The process takes into account the respective demand patterns of the various types of water users, considering the water being lost through leaks/breaks occurring, as a competitive use. This new method accurately approximates the demand allocation of a network when there is no GIS data, thus having a significant impact on its cost effectiveness. Kos Town (Greece) water pipe network is used as the case study to demonstrate the entire process and the problems encountered. Finally, to prove its effectiveness the results of the new method were compared to MW-Voronoi diagram method's results and to field measurements.     

灰色模型在承德市需水预测中的应用

承德市位于河北省东北部,地处滦河和潮白河流域上游地区,为京津的重要水源地,其水环境不仅关系到承德市的用水问题,而且直接影响下游的天津市、北京市和唐山市的用水安全,因此,对其需水量进行科学预测极为重要.根据承德市历年用水资料及其与时间的变化规律,用灰色系统理论建立模型,在满足精度要求的情况下用于需水量预测.并提出灰色模型预测方法可用于对不同水平年需水量的宏观控制,也可用于近期逐年需水量的预测.     

基于加权最小二乘法的供水管网节点流量校核

管网水力模型是实现供水系统现代化管理的重要工具,要使水力模型能比较准确地反映管网真实运行状态,达到预期使用目的,其中的参数需要校核。将管网节点流量校核作为优化问题,采用加权最小二乘法逐步迭代求解,与已有研究相比,采用矩阵分析法推导供水管网雅克比矩阵解析式,引入水量分配矩阵聚合节点流量,将欠定问题转化为超定,提高了校核的计算效率和结果的可靠性。采用简单管网阐明了雅克比矩阵的计算、节点流量的聚合及梯度向量的构造,利用实际管网验证了方法的实用性。