基于RBF神经网络的山西省工业取水量预测

在分析山西省规模以上工业取水量主要影响因素基础上,利用RBF神经网络,建立了规模以上工业取水量预测模型,采用最近邻聚类学习算法确定径向基函数的宽度、选取聚类中心和权值。先用数年实际取水量数据训练网络,然后用训练好的网络模型预测取水量。结果表明:RBF神经网络结构自适应确定、训练不依赖初始权值、速度快、精度高、结果可靠。     

基于RBF神经网络的降雨量预测

文章论述了鉴于降雨量受众多因素的影响和具有复杂的非线性特点,在Matlab环境下建立了RBF神经网络的降雨预测模型.经实例验证,该模型收敛速度快、预测精度高。并且与BP神经网络模型对比结果表明,该方法避免了BP神经网络的局部极小及收敛速度慢等缺点,在精度,训练速度等方面优于BP神经网络。     

灰色动态模型群法及其工业取水量预测应用

对于信息丰富、数据较多的原始数列，采用灰色动态模型群法进行预测，考虑近期信息对未来的影响，可避免单一灰色模型容易利用不稳定信息的缺陷，使预测精度更加准确。本文介绍灰色动态模型群法的建模原理，并利用该方法对济南市工业取水量进行了中长期预测。通过与实际值及其它方法对比表明，该方法预测结果可靠，受人为因素影响较小，实用方便。     

基于RBF神经网络的农业需水量预测

介绍了径向基函数神经网络的原理、训练算法,建立的径向基函数神经网络农业需水量预测模型具有较强的非线性处理能力和逼近能力,运算速度快、性能稳定,克服了BP神经网络学习过程的收敛过分依赖于初值和可能出现局部收敛的缺陷,预测精度较高,泛化能力强。     

万元工业GDP取水量定额的组合优化预测

通过分析趋势法中不同预测模型在万元工业GDP取水量定额预测中的适用性及其特点,提出基于组合预测理论的万元工业GDP取水量定额的组合优化预测模型,采用MATLAB数学计算软件优化了相应算法并在一定程度上解决了趋势法模型应用中存在的问题。应用结果表明:相对各单项预测模型,组合优化预测具有更高精度,结果更加可靠。     

基于RBF神经网络的河川年径流量预测

文章以新疆开都河年径流量为研究对象,选用能够模拟输入与输出层非线性关系的径向基函数(radial basis function,RBF)神经网络,构建了河流年径流量预测模型。研究结果表明:通过自相关系数法,选用河流自身前1~5 a径流量作为输入层,当前年径流量作为输出层,利用Matlab软件建立RBF神经网络模型,预测开都河2008—2012年径流量,预测值最小相对误差为3.22%,最大相对误差为7.61%,平均相对误差为5.19%,相关系数为0.863;通过对预测样本实测值与模拟值进行经典统计学分析,2组数据间无显著性差异。这说明RBF人工神经网络模型用于模拟预测河川年径流量是可行的。     

预测城市工业取水量的一种新尝试

本文就城市工业取水量预测方法进行了探讨,提出了以万元产值用水量降低及工业水重复利用率提高两项指标来进行城市工业取水量中长期预测的方法.     

基于RBF神经网络的城市需水量预测——以济南市为例

以济南市需水量为研究对象,运用径向基函数（RBF）神经网络建立预测模型,用1996—2008年13年济南市需水量数据,分析影响需水量的因素,确定多个关键因子,以Matlab为平台实现网络的训练,然后对2009年--2011年3年需水量进行预测检验。结果表明：预测相对误差较小,预测结果和实际情况吻合较好,可以对济南市未来规划年的需水量进行预测。在研究结果基础上,结合本文成果与出现的问题,对需水量预测方法等方面进行了探讨与展望,为以后需水预测研究提供一定的参考依据。     

基于RBF神经网络的长距离引水隧洞涌水量预测

长距离输水隧洞的突涌水问题对隧洞施工安全、施工效率以及隧洞建成后的运营质量会产生严重影响,因而为保证隧洞安全、高效的施工,对隧洞涌水量进行准确预测是十分有必要的.本文以新疆某大型水利工程长距离引水隧洞为研究对象,选取地质构造、渗透率、上覆含水体富水性和水头高度作为评价因子,基于RBF神经网络的基本原理提出了引水隧洞涌水量预测模型,实现对引水隧洞涌水量的精准预测.该预测模型的水量识别准确率较高,可有效防止隧洞内突涌水灾害的发生,为施工单位提前处置隧洞突涌水提供指导.     

基于RBF神经网络的农田土壤含盐量预测

介绍了径向基函数（RBF）神经网络的原理、训练算法,建立的径向基函数神经网络农田土壤含盐量预测模型具有较强的非线性处理能力和逼近能力,使用实际观测数据进行计算,模型运算速度快、性能稳定、预测结果精度较高、泛化能力强。     

RBF神经网络在阿拉尔垦区需水预测中的应用

利用RBF神经网络,建立了阿拉尔垦区需水量预测模型。选取农业用水灌溉定额、工业用水重复利用率、城镇生活人均日需水量、农村生活人均日需水量作为模型输入,农业、工业、城镇生活、农村生活需水量作为输出。将2001—2007年用水量数据作为训练样本,用2008—2009年用水量数据对模型进行检验。在农业、工业、城镇生活、农村生活4类需水量中,2009年工业需水量预测的相对误差最大,为-16.24%,总需水量的最大误差仅为1.80%,取得了较满意的结果,表明RBF神经网络模型用于该区需水量预测是可行的。     

基于神经网络的城市日用水量预测

分析了影响城镇日用水量的非线性因素,利用人工神经网络,选择影响城市日用水量的主要因素。建立城镇日用水量预测模型,并将该模型的预测效果与传统的日用水量模型预测效果进行比较,结果显示该模型的预测精度更高、所需时间更短、更适用于影响因素较多的城市日用水量的预测。     

青岛市工业需水量预测研究

随着工业的快速发展,工业需水量与日俱增,工业需水量的合理预测已成为城市供水和水资源规划极其重要的部分。以青岛市为研究对象,对其工业需水量进行了预测研究,预测方法采用灰色预测理论。根据灰色预测理论预测青岛市工业发展;对青岛市实际情况进行分析,确定其未来的需水定额;采用定额法得出青岛市未来年份的工业需水量。     

基于RBF多变量时间序列的滑坡位移预测研究

斜坡是一个受到多种因素影响的混沌动力系统,斜坡位移是其内部力学现象的宏观表现,具有很强的不确定性,从而导致难以建立斜坡位移的确定性方程。滑坡是斜坡的一种成因类型,具有相同的系统特性。滑坡经过防治后,其位移的主要外在动力因素除地下水外同时还受到防治设施的控制。滑坡位移及其影响因素所构成的混沌时间序列能够反映滑坡位移动力系统的历史行为。根据观测获得的多变量时间序列重构原滑坡位移动力系统,采用RBF神经网络实现变量间的映射关系,对滑坡位移进行了预测。预测结果对比分析表明:采用多变量时间序列预测模型能对滑坡位移进行有效预测,取得比单变量时间序列预测模型更好的预测效果;多变量时间序列预测模型具有更明确的物理力学意义,更能反映滑坡演化变形的实质特征。     

Matrix VB组件在工业需水量预测中的应用

Matrix VB组件,具有强大的矩阵运算功能和绘图功能,使VB求解相关回归分析问题更加简单。详细介绍了Matrix VB组件的应用方法,并据此对峰峰矿区工业需水量进行了预测,结果表明该方法编程思路简单,是程序开发的好方法。     

青岛市工业需水量预测

确定了青岛市工业需水量影响因素的选择原则,并对青岛市工业需水量主要驱动因子进行定量辨识,初步确定出影响青岛市工业需水量的主要驱动因子。根据青岛市工业需水的实际情况,确定反映该地区特点的9个指标,采用RS理论进行属性约简,得到工业总产值、工业产值占国民经济总产值的比重、发电量、工业用水重复利用率以及人口数量等5个工业需水预测指标,并采用逐步回归方法建立青岛市工业需水量预测模型,对需水量进行预测。计算得出2015年、2020年和2030年的工业需水量分别为3.02亿m3、3.87亿m3和6.75亿m3。     

人工神经网络在水质预测中的应用研究

选取水质指标之一的溶解氧DO作为测算因素,研究了人工神经网络的BP法、bpx法、L-M法3种不同学习算法在水质预测中的应用。研究结果表明:3种不同学习算法的预测效果均较理想,其中以L-M法预测结果最为精确,人工神经网络在水质预测方面有着良好的应用前景和推广价值。     

西安市工业需水量预测及污水回用于工业研究

随着城市化与工业化水平的不断提高，水资源短缺问题日益突出，工业需水量的合理预测已成为城市供水和水资源规划极其重要的部分，以西安市为研究对象，对其主要工业需水量采用灰色预测理论进行了预测研究。根据灰色预测理论预测结果确定西安市未来年份的工业需水量，依托西安市第四轮城市总体规划建成的15个污水厂，通过城市污水回用来解决西安市未来工业需水量需求。     

BP神经网络方法在灌区需水预测中的应用

以江西省廖坊水利枢纽工程灌区为例,通过查阅年鉴、现场调查和专家咨询确定影响需水量的主要因子,根据确定的主要影响因子构造BP神经网络的输入样本,采用Matlab软件平台编程,建立灌区需水模型.利用建立的模型预测2025年灌区的需水量,并与其他方法的预测成果进行比较.结果表明,BP神经网络方法在廖坊水利枢纽工程灌区需水量预测的应用上是成功的.