基于PCA-RBF神经网络模型的城市用水量预测

针对城市用水量影响因素众多、关联性较强以及BP神经网络收敛速度慢、易陷入局部极小值等问题,采用组合主成分分析(PCA)与RBF神经网络的方法预测城市用水量。利用主成分分析对用水量影响因素进行降维,消除多重共线性,选取能够替代原用水量影响因素的前三个主成分作为输入因子,选用学习和收敛速度快、模式识别能力强的RBF神经网络进行预测。研究结果表明,该模型的相对误差平均值在训练和预测阶段均最小,分别为0.165 4%和0.677 5%,学习和预测能力均优于RBF和BP神经网络模型,提高了收敛速度和预测精度;主成分数量从3个增加到5个,信息量累积贡献率从93.09%增加到98.37%,平均相对误差从0.250 7%降至0.206 0%,预测精度略有提高。对2015—2020年枣庄市用水量进行预测,总用水量先有小幅上升,后又下降,呈现"倒U型"增长。该模型对城市区域水资源规划具有参考价值。     

基于遗传-神经网络的城市需水量预测方法研究

为了实现城市可持续发展，城市需水量预测极为重要。针对目前常用的灰色预测方法，从建模机理出发，指出了灰色建模中存在的不足。本文将人工神经网络原理引入城市需水量预测中，并针对BP网络收敛速度慢、易陷入局部极小的缺陷，提出了基于GA和BP的预测模型，实例研究表明该模型是一种行之有效的城市需水量预测模型。     

基于BP神经网络预测区域农业用水量

在农业用水量预测中,避开复杂系统的内部因素及其相互联系,只考虑产量、降水、非耕地耗水量和土地利用系数等影响因素。运用多层前馈网络的误差反向传播算法,通过输入输出因子规格化处理及因子的选取与修正,进行区域农业用水量预测。将BP神经网络训练方法用于典型区进行预报检验,最大相对误差在12%以下,所有结果从定性上都是一致的。     

城市用水量预测

本文引用柯布——道格拉斯生产函数建立城市用水量预测模型,并以某市为背景作了实例计算,分析了城市居民消费水平、居住面积以及工业总产值的增长对该市2000年和2010年用水量的影响。     

浅谈城市用水量预测

据世界银行和国内有关机构测算,上世纪90年代中期,中国的经济增长有2/3是在对生态环境透支的基础上实现的。在经过20 a以上的经济快速增长之后,我国经济总量已居于世界第7位,但经济的快速发展却是以对资源过度消耗为代价。据统计2003年,我国GDP占世界总量的4%,却消耗掉世界总水     

用灰色动态模型预测城市用水量

在世界水资源发生严重危机的今天,人们更加认识到城市用水量预测的必要性和重要性。城市用水量的预测就是根据城市迄今为止已知的用水量及与此相关的其它资料来分析未来某一时刻(时段)用水量的过程。通过预测,为城市社会经济的发展、水资源的开发分配、水污染控制乃至社会经济的规划等提供必要的信息。 灰色系统是相对黑色和白色系统而言。黑色表示信息缺乏,白色表示信息充足,而灰色系统是指系统中既含有已知信息又含有未知或     

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。     

基于多因素长短时神经网络的日用水量预测方法研究

针对城市日用水量非线性变化问题,为实现水资源的优化调度和合理利用,提出一种深度学习的水量预测方法,建立多因素长短时神经网络模型预测日用水量。该方法选取影响日用水量的因素作为输入特征,日用水量时间序列数据作为训练样本,利用数据挖掘,输出用水量预测值。结合杭州示范区实际案例,与传统的人工神经网络方法进行对比,结果表明,长短时神经网络的预测结果优于传统的人工神经网络,并且基于多因素长短时神经网络模型的预测结果优于单因素长短时神经网络模型,预测结果具有较强的精度和稳定性。     

城市用水量预测模型综合研究

从分析城市用水量变化规律着手，给出了城市用水量预测的常用模型，并以此为基础分析了选择用水量预测模型时所需考虑的影响因素。最后，以西安市日用水量预测模型的建立为例，验证了上述研究的实用性。     

开封市水资源预测研究

以我国水资源较为短缺的河南省开封市为例，对该地区水资源利用趋势进行预测研究。从开封市各行业用水特性出发，以水资源预测理论为基础，建立各用水行业用水趋势模型，对开封市不同水平年来水及各行业用水情况进行了科学的预测和水量供需平衡分析，揭示了实行全社会节水的必要性。     

基于多尺度相关向量机的城市日用水量预测

为提高日用水量预测精度,提出一种基于多尺度相关向量机的预测模型。通过静态小波分解将用水量非平稳时间序列分解为不同尺度的平稳时间序列,然后在分解后的各子序列分别建立相关向量机回归模型进行预测,最后通过小波逆变换将各子序列预测结果整合得出原始用水量时间序列的预测值。在实例分析中分别利用多尺度关联向量机模型和单尺度相关向量机预测模型对实际用水量进行预测分析。结果表明,前者具有更高的预测精度,可应用于城市日用水量的预测。     

城市用水量预测方法及应用比较研究

为了建立城市用水量预测方法模型库，本文总结了城市用水量的预测方法。详细介绍了时间序列分析法、解释性预测方法、灰色GM（1，1）以及用水定额法等几种代表性方法。指出每种方法的优缺点，城市用水量预测应根据实际情况选取预测方法。以郑州市为例，选取不同的方法进行预测及分析，结果表明郑州市2020年之前的用水量呈现非线性递增的趋势。     

淮安市用水指标与城市化指标关联性分析及用水潜力预测

为研究淮安市用水潜力和水资源人口承载力,本文在确立该市城市化指标和用水指标的基础上,利用灰色关联法对二者的相互关系进行了分析;然后通过人均需水量多元回归预测模型对该市的用水潜力进行了预测,并进一步计算出其对应的水资源人口承载力。结果表明,淮安市2020年人均需水量应控制在562m3/人·年左右,人口控制在569万人左右。本文对苏北乃至全省节水型城市的建设都具有现实意义。     

包头市市区居民生活用水量预测分析

用水量预测对区域水资源规划、利用和管理提供重要依据.运用灰色关联度分析法分析包头市市区居民生活用水量影响因素的基础上,分别建立多元线性回归模型、灰色GM(1,1)模型及灰色线性组合模型对该地区2009年和2010年的生活用水量进行预测分析,同时比较了三个模型的预测精度.结果表明:城市居民生活用水量与城市用水人口、人均居住面积和水价的关联度较高;2009年和2010年用水量的预测采用组合灰色模型精度最高,相对误差分别为13.6％％和6.5％,均方根相对误差为10.7％.组合预测模型的预测精度明显优于单一模型,使结果更加准确、合理,符合实际情况.     

基于一次累加法的城市年需水量预测

基于年需水量原始时间序列具有非线性随机变化的特点,而一次累加法具有削弱时间序列随机性、增加时间序列规律性、便于回归函数拟合的特点,该文提出了一次累加回归分析法在城市年需水量预测中的应用。实例表明,一次累加建模方法具有精度高,预测结果可靠,可用于城市年需水量预测。     

城市工业用水总量核算方法探讨

针对我国最严格水资源管理制度下用水总量考核中存在的问题,在分析济宁市工业用水规律的基础上,探索核算工业用水总量的方法。针对大样本工业用水户的情况,基于聚类分析的结果选取典型样本企业,以典型样本企业的用水指标推算工业用水总量。通过核算数据与实测数据的对比,给出核算结果,评价核算方法的适用性。结果表明:2011年济宁市工业用水总量核算值与实际值相对误差为4.66%,以典型样本企业核算工业用水总量的过程更符合实际情况。     

西安城市生活需水量预测

根据西安市过去若干年生活用水量的统计资料，分别采用一元线性回归、生长曲线、GM（1，1）灰色系统模型和人均综合生活用水定额法对西安2010年、2015年城市生活需水量进行预测，并对各种方法的预测结果进行分析比较，认为生长曲线模型的预测结果比较合理，确定了西安2010年、2015年城市生活需水量范围。     

城市用水量预测模型综合研究

从分析城市用水量变化规律着手，给出了城市用水量预测的常用模型，并以此为基础分析了选择用水量预测模型时所需考虑的影响因素。最后，以西安市日用水量预测为例，建立了三阶自回归预测模型，经与实测值对比检验，精度较高，可用于供水系统调度管理。