基于主成分分析的BP神经网络对南京市水资源需求量预测

以南京市为例,利用1999-2010年的总用水量数据,采用主成分分析法对影响水资源需求量的9个因子进行主要影响因子分析,根据确定的主要影响因子构造BP神经网络的输入样本,从而进行不同水平的年总需水量预测.结果表明:人口、GDP、万元GDP用水量、人均水资源量、污水年排放量为影响研究区需水量的主要因子,将此作为主要因子构造BP神经网络的输入样本,确定网络输入节点数,建立南京市总需水量预测模型.模拟计算结果表明,基于主成分分析的BP神经网络模型,预测结果的平均误差小于0.2亿m3.     

基于遗传投影寻踪模型的陕西省水资源利用效率评估

分析水资源利用潜力,提高水资源利用效率对于解决城市水资源短缺问题十分重要.本文利用基于遗传算法的投影寻踪模型,选用万元GDP用水量、人均用水量、万元农业产值用水量、农田灌溉平均用水量、万元工业产值用水量为评价指标,对2009年陕西省11个行政区水资源利用效率进行评估.结果显示万元工业产值用水量对陕西省水资源利用效率影响最大,延安市的水资源综合利用效率最高.并针对最佳投影向量各指标权重提出了提高陕西省水资源利用效率的措施.     

城市需水预测方法比较

为了提高城市需水预测精度,基于北京市2004—2014年用水量及影响因子,利用多元线性回归法、灰色模型预测法和BP神经网络法3种需水预测方法,模拟北京市用水量,并用北京市2015、2016年用水量对3种方法精度进行验证。结果表明:在现有资料基础上,虽然3种需水量预测模型均是可行的,但是BP神经网络法预测模型比起其他2种方法,预测精度最高,而且还具有收敛速度快、调整参数少等优点。预测得到了北京市2020年需水量为38.63亿m3,且在近几年仍呈增长趋势。     

基于主成分回归分析的需水预测研究

水资源是城市发展的动力,需水量准确预测对城市可持续发展具有重要意义。需水量受多重因素影响,单一使用多重线性回归难以保证预测的准确性和科学性。根据南京市2005—2014年7个经济、社会发展相关指标,利用主成分回归分析建立模型使用原始变量对用水量进行预测。结果表明,应用主成分回归模型进行需水预测,比多重线性回归模型精度高,也较好地拟合了实际用水量。     

基于回归分析的长春市需水量预测研究

长春市所在流域内人口众多,近几年工农业生产逐渐发展,用水量不断大,使得水资源开发利用程度较高。通过多元线性回归分析方法对长春市历年用水情况、人口数量、国民经济发展等数据进行合理分析,确定影响用水量的影响因子,通过对模型的检验、分析,建立适用的多元线形分析模型,利用模型对长春市2020年的城市需水量进行预测,根据预测的结果对照吉林省确定的2020年长春市的用水指标,为城市未来的发展规划及产业结构调整提供数据支撑。     

优选组合模型在山东省工业需水预测中的应用

工业的迅速发展以及水资源短缺,致使工业需水量预测成为焦点.以工业生产函数法、人均综合用水量法作为基本方法分别预测了山东省的工业需水量,其中工业生产函数法考虑了参数的时变性,人均综合用水量法考虑了人口、社会等因素.应用一般的组合理论,对单一模型的预测结果进行了加权组合,通过合理性分析,人均综合用水量法是劣势因子,组合结果不好.提出并采用了先组合模型后预测的新方法,并与一般的组合方法进行比较,证明先组合模型后预测的新方法精度更高一些.最后预测了山东省2015年、2020年的工业需水量分别为212958万、198013万m3.     

西藏水资源开发趋势GM(1,1)预测模型的应用

以反映近5 a西藏自治区水资源状况的指标为研究对象,应用灰色系统理论建立了水资源开发利用的预测模型,通过模型分析得到了预测值;运用关联度分析方法分别确定了主要指标因素相对于人均用水量和消耗量的关联程度,对影响人均用水情况的主要指标因素进行了系统分析。分析得出:在未来5 a中西藏自治区水资源各项因子的指标都有增长的趋势,到2012年全区需水量约为57亿m3,供水量缺口更大;农业用水量对人均用水量的影响最大,生活用水量居第二位,工业用水量位居第三位。     

变化环境下宝鸡峡灌区农业需水量的合理确定

基于宝鸡峡灌区11个气象站30年的气象数据、20年的作物种植面积资料及灌溉水利用系数等资料,分别用彭曼公式和定额法计算宝鸡峡灌区农业需水量,利用趋势法及灰色关联分析法分析其变化特征及驱动因素,并将计算结果与实际农业用水量对比讨论。结果表明:在众多变化环境因素共同作用下,1991-2010年间宝鸡峡灌区农业需水量呈下降趋势,其主要影响因素是种植面积及粮食作物种植比的减小。中等年及干旱年实际用水量接近于非充分灌溉条件下定额法计算出的农业需水量,湿润年实际用水量介于定额法计算出的农业需水量与基于彭曼公式计算出的农业需水量之间。基于上述结论考虑灌区实际用水需求,提出灌区农业需水量合理确定方法。     

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。     

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.     

江西省水资源承载力评价及障碍因子诊断

水资源短缺使得江西省水资源供需矛盾日益突出,在此背景下,水资源承载力已成为衡量区域可持续发展的一项重要指标。以江西省水资源承载力为研究对象,选取了人均水资源量、生态环境用水率、耗水率、人均GDP、万元GDP用水量、产水模数、供水模数以及水资源开发程度等8个指标作为评价指标,使用2006～2015年的数据,应用熵权法确权、TOPSIS法与障碍度模型综合评价江西省水资源承载力。研究结果表明:江西省2006～2015年的水资源承载力虽然在增加,但是增长速度却变得缓慢;水资源本身因素是制约水资源承载力提升的最主要因素。为了保证社会经济的可持续发展,合理、高效地利用水资源,充分发挥水资源的承载潜力,提出了相应的对策和建议。     

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.     

基于用户需求的农村安全饮水工程契合度评价模型构建分析

以四川省绵阳市游仙区农村安全饮水工程为例,借助因子分析法与层次分析法构建了基于用户需求的农村安全饮水工程契合度评价模型。其中,二级指标对于一级指标的权重系数由因子分析提取公因子的贡献率确定,三级指标对于二级指标的权重系数由层次分析的主观权重和因子分析的客观权重最终确定。研究表明,水费定价收费标准的合理性、饮水资源获取的便捷性、工程建管质量的可靠性成为众多影响契合度因素中的主要因素。模型计算结果与实际调查结果大致吻合,这说明,考虑用户需求条件下的契合度评价模型对于指导农村安全饮水工程评价工作具有一定的适用性。     

水资源约束下城市需水量预测研究

在分析需水量预测和水资源约束的基础上,本文探讨了水资源约束的量化指标。提出城市需水量预测应和水资源约束结合,并将水资源约束系数引入需水量预测中。应用BP网络,建立了水资源约束下的城市需水量预测模型。本文以郑州市为例,应用预测模型进行需水量预测,并对预测结果进行了分析。结果表明:本文建立的模型具有一定的实用价值,为区域的发展规划、供水工程规划以及节水规划提供更科学的依据。     

城市需水的智能预测方法研究

选取对城市用水影响较大的因素作为预测指标,通过HP滤波分析其指标及用水量的趋势成分及波动成分。应用多元线性回归法对趋势性成分进行模拟,应用模糊神经网络对波动性成分进行网络训练,以获得城市需水的总预测值。以大连市1980~2000年用水及其相关因子为例建模,以2001~2007年指标对模型进行检验,预测了大连市2010、2020年的需水值,为城市水资源规划提供一定的理论支持。     

区域用水需求驱动因子诊断研究

用水需求增加与水资源短缺之间的矛盾使得水资源成为制约区域社会经济发展的瓶颈。在明确给定供水量的前提下,通过提高用水效率和效益,防止水质污染来满足用水需求,实现从传统的供水管理向需水管理转变的新治水思路。在需水管理视阈下以江苏省为研究对象,采用德尔菲法从生产、生活和生态用水3方面分析影响用水需求的关键指标,运用因子分析法诊断出驱动用水需求的公共因子包括农业因子、经济发展因子、人口因子和生态因子。研究结论将为区域优化用水结构、落实最严格水资源管理制度提供决策依据。