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。     

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...     

城市用水量预测模型的优选研究

为克服目前用水量预测方法众多及模型繁杂给实际预测方法选择带来的困难，根据自相关分析理论对城市用水量时间序列的数据模式进行识别，提出了用水量预测模型的优选方法。实例表明，使用该方法选择的水量预测模型针对性强、预测精度较高。     

人工神经网络法预测时用水量

根据城市时段用水量序列的季节性，趋势性及随机扰动等特点，利用人工神经网络（ANN）法建立了短期用水量预报模型，并采用某市时用水量的实测数据进行了建模和时用水量预测，通过与时间序列码角函数分析法，灰色系统理论预测法，小波分析法的预测结果相比较，证实该法具有预测误差小和计算速度快的特点，可满足供水系统调度的实际需要。     

径向基函数神经网络预测城市用水量模型及应用

以城市用水人口和城市生产总值作为输入向量,年用水量数据作为目标向量,建立了径向基函数神经网络并对城市用水量进行预测。采用不同的扩展速度,预测误差不同。当扩展速度spread=1时,预测数据与实际数据的相对误差均小于0.05%,取得了很好的预测效果,说明采用径向基函数神经网络模型预测城市用水量的方法是可行的。     

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。     

城市供水规划中人均综合用水量指标的确定方法

在城市供水规划中，用水量指标值的合理制定是预测用水量的关键步骤。根据同一城市人均综合用水量与生活用水量之间相对稳定的比例关系，得出了城市用水量指标的预测公式；该公式中的系数由城市多年的用水规律得出，而且还可根据城市发展进程和规划目标的变化作出及时调整。采用该方法对南方某城市新一轮规划的城市人均综合用水量指标进行了预测，其结果与目前居住小区规划中使用的数据相吻合，说明这一方法是比较合理的。     

灰色——神经网络组合模型预测城市用水量

针对城市用水量的预测，建立了以预测方法有效度为优化指标的求解组合预测权重系数的优化模型，并对灰色－神经网络的二元组合预测模型采用简化方法求解。该方法应用于长沙市河西供水系统的用水量短期预测，误差较小，能满足实际需要。     

城市居民用水量规律实证研究

随着宜居城市发展战略的实施，城市需水量中居民生活用水量所占比重逐渐加大。为了合理的利用水资源，增强城市供水调度的科学性和经济性，也为今后制定阶梯水价政策时能准确的掌握居民实际用水量提供资料，研究者选择了某市具有代表性的五个居民小区通过安装能够实时传输记录水表数据的远传水表，连续测定并记录了五个小区的用水量数据。通过对数据的分析研究初步得出了试验居民区不同时段用水量以及平均用水量和日用水量的实际变化规律和水量数据。