城市日用水量预测模型比较研究

目的 为保障预测结果准确可靠,建立精度高、可靠性强的城市日用水量模型.方法 应用单指数平滑法、灰色方法与BP神经网络方法,分别建立相应日用水量预测模型,并以哈尔滨市的日用水量数据为原始数据进行了实际预测.结果 单指数平滑法与BP神经网络模型预测精度较高.用灰色模型预测,所得数值呈递减趋势,其预测精度最低.结论 BP网络预测模型是最有效的日用水量预测模型.如果日用水量变化不大,还可采用单指数平滑法预测日用水量.     

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.     

城市日用水量预测的神经网络方法

介绍了城市日用水量预测的BP神经网络方法,分析了日用水量的变化规律和影响因素.以每日最高温度、最低温度、晴雨情况、星期及前一日用水量为输入节点,预测日用水量为输出节点,建立了日用水量预测神经网络模型,编制出预测模型的计算机程序.通过实测数据进行了模型检验,对预测结果进行了分析.     

城市日用水量预测的实用动态模型

根据城市用水量的影响因素及特点,利用统计预测理论,建立了日用水量的实用动态模型,通过逐步回归分析方法剔除次要影响因素,并采用递推最小二乘（ＲＬＳ）方法动态预测回归残差项。经沈阳市实例验证,该法预测误差小,可满足供水系统调度的实际需要。     

城市用水量BP网络预测模型

城市用水量的预测结果，对于城市规划，供水系统的管理及改扩建有着重要的意义。寻求科学合理的预测模型是保障预测结果准确可靠的关键。针对这一问题，利用人工神经网络理论建立了BP网络预测模型，通过实例证明了该模型是一种行之有效的用水量预测模型。     

城市用水量预测的人工神经网络模型

为预测城市用水量，提出了人工神经网络模型，用此模型对某沿海城市用水量进行拟合、预测。通过数据文件的建立及期望输出的选取，能充分体现数据系列的变化规律。实例结果表明，该模型拟合精度高，用于城市用水量预测可行、有效。     

城市生活用水量预测方法探讨

在研究了国内生活用水量预测方法的基础上，提出了由分部分项预测城市生活用水量方法，由于该方法分项较细，其预测水量较现行的方法准确。     

城市工业用水量预测方法研究

由于城市工业用水量占城市总用水量的2／3,城市工业总产值也占全国国民经济总产值的80％,所以预测城市工业用水量对城市经济的发展,解决缺水问题,采取节水措施是至关重要的,根据我国某城市的工业用水统计资料,采用龚帕兹模型y＝e(k ab'),或lny＝k十ab'进行预测,取得了较为满意的结果,并对成果进行了分析,这对指导城市经济建设和产业结构的调整具有重要的指导意义。     

城市用水量灰色预测

利用磷以预测方法对城市中长期用水量进行了研究,介绍了磷以系统预测的基本原理,建立了两次拟合等维灰数递补灰色用水量预测模型,通过在三个城市的实际应用,验证了其有效性及可行性。     

灰色预测模型在年用水量预测中的应用

城市年用水量为城市建设规划以及供水管网改扩建提供依据,我国城市年用水量序列特点是记录时间短,记录数据少,针对我国城市年用水量数据序列的这种特点对其进行分析研究,利用灰色系统理论,建立预测年用水量GM（1,1）模型,并以大连开发区年用水量数据为原始数据进行了实际预测,通过后验差检验证明GM（1,1）模型为一种行之有效的预测年用水量的模型。     

灰色模型在城市中长期用水量预测中的应用

为进行科学合理的供水系统规划,给出一种基于记录时间较短、历史数据较少的用水量序列的GM(1,1)预测方法.该预测方法把原始用水量序列累加处理生成新序列后,用指数关系式拟合,通过构造参数矩阵,确定辩识参数,建立灰色模型的微分方程;求解灰色模型的时间响应函数,生成累减矩阵,进行累减运算即得用水量序列的预测值.MAPE精度分析结果表明GM(1,1)用水量预测方法精度较高.该预测方法应用于D市的中长期用水量预测,为D市供水规划提供有效依据.     

基于最小二乘支持向量机的时用水量预测模型

针对神经网络存在结构较难确定,训练易陷入局部最优以及容易过学习等问题,提出将最小二乘支持向量机用于预测时用水量.最小二乘支持向量机(LSSVM)基于结构风险最小化,能够较好地协调经验风险最小化和学习机器VC维之间的关系,并且LSSVM在支持向量机(SVM)的基础上,通过将价值函数改为最小二乘价值函数以及用等式约束代替不等式约束,将求解的二次规划问题转变为一组等式方程,采用径向基核函数,得到LSSVM模型的待定参数比标准支持向量机少,仅为2个.根据时用水序列具有周期性和趋势性的特点,建立了基于最小二乘支持向量机的时用水量模型.实例分析表明,与基于BP网络的时用水量模型相比,基于最小二乘支持向量机的时用水量模型具有更强的预测能力.     

陕西粮食供求的组合预测与平衡对策研究

在分析陕西粮食供求平衡及其影响因素的基础上,采用组合预测方法对2008-2020年陕西粮食供求形势进行分析预测,以期在省域经济范围内更加准确地把握人口、资源、经济、社会协调发展规律及其这一规律的区域性特征,更好地认识粮食市场的区域特殊性。     

预测城市用水量的人工神经网络模型研究

为了提高多层前馈神经网络权的学习效率,引入变尺度方法来训练神经网络的权值,并根据训练误差自适应调整学习系数和动量因子.将该方法应用于城市用水量预测中,建立了非线性人工神经网络预测模型.该模型考虑了城市工业用水重复利用率、用水人口、经济发展等众多因素对用水量需求的影响,具备系统决策功能.杭州市预测实例表明,建立的模型及其相应计算方法具有较高的预测精度和准确度.     

市场需求的统计预测

经济预测中发生主要影响因素改变时，若采用通常的预测方法会因历史数据过少而出现较大误差，此时采用统计分析的灵活方法来估计和推断具有较好的预测效果。文中对我国轿车市场需求作了深入的分析研究，提出了新的统计预测方法，从收入角度出发对我国轿车市场需求作了合理的估计和预测。     

基于Bayesian-LSSVM和残差修正的用户短期需水量预测

为有效改善供水管网短期需水量预测模型在预测精度和稳定性方面存在的不足,提出在短期需水量预测模型基础上叠加残差预测模型的组合预测建模方法.首先采用贝叶斯最小二乘支持向量机法(Bayesian-LSSVM)建立管网用户需水量时间序列预测模型(BL模型),得到需水量预测初始值;对BL模型得到的需水量预测初始值的残差序列,构建基于贝叶斯最小二乘支持向量机法的混沌时间序列预测模型(RM模型),得到残差预测值;同时将RM模型得到的残差预测值实时补偿到BL模型的需水量预测初始值中,得到经过残差修正的需水量预测值.实例结果表明,RM模型可以准确捕获BL模型需水量预测初始值的残差变化趋势,对其残差序列进行准确预测;在短期需水量预测的精度和稳定性方面,由BL模型和RM模型叠加构成的组合预测模型(BL+RM模型)明显优于单一BL模型;BL+RM模型适用于平均需水量较小、水量波动性较大等不同特点用户的短期需水量预测,可有效满足实际工程的需要.     

灰色新陈代谢GM(1,1)模型在中长期城市需水量预测中的应用研究

研究了基于灰色系统理论的中长期城市需水量预测方法.针对常规GM(1,1)模型存在的不足,建立了灰色新陈代谢GM(1,1)需水量预测模型,并利用此模型对北方某缺水城市未来10年的需水量进行了预测.结果表明:模型精度较高,预测误差较小.     

黑龙江省"十一五"工业资金需求预测

为研究黑龙江省"十一五"工业资金需求水平,运用柯布-道格拉斯生产函数,以1990~2003年的工业经济状况为基本数据,包括工业增加值、工业就业人数和工业投资总额,建立预测模型.在对2006~2010年的工业增加值估算、对工业就业人数进行灰色预测基础上,预测2006~2010年工业投资总额.结果表明:预测模型的R2为0.992,F值为657.775,D.W值为1.717,预测模型合理.技术进步对经济增长的贡献率为76.35%.黑龙江省"十一五"工业投资额年均为515.9亿元,远超过2003年的183.2亿元.     

大型供水工程预报调度模型系统研究

建立了大型供水工程预报调度模型系统,包括由ＧＭ（１,１）,ＡＲＭＡ（２ｎ,２ｎ－１）等模型组成的来用水年、月、旬组合预报模型,水源水库和供水区水库自优化模拟调度模型及水库余留库容模糊决策模型等;提出了水库余留库容模糊决策方法．经实例验证计算,表明该模型系统是可行的．