组合模型在城市用水量预测中的应用

将灰色模型和一元线性回归模型应用于城市用水量的预测,并用方差-协方差优选组合模型将灰色模型和一元线性回归模型进行组合.实例分析表明,组合模型的预测精度优于单个模型,可用于城市用水量的预测.     

城市供水管网漏损时间的预测模型研究

城市供水企业迫切需要加强给水管网的漏损管理，以减少漏损水量和提高经济效益。在对华北某市供水管网漏损数据进行统计和分析的基础上，按照管段实际发生漏损次数分两种情况建立了供水管网漏损时间的预测模型，对漏损次数≤4次的管段采用基于SAS系统的多元线性回归方法，对漏损次数〉4次的管段则采用灰色预测方法。经实例验证，多元线性回归方法预测的平均相对误差为21％，灰色预测方法预测的平均相对误差〈6％，整套模型的精度可满足城市供水管网漏损宏观管理的需要，能够提高管网漏损防治的效率。     

三种饮用水消毒副产物形成模型对比研究

选取反应时间(t)、水温(T)、pH、总有碳(TOC)、特别紫外吸光度(UV254)、溴离子浓度(Br-)及反应的氯剂量(Cl2)等相关的水质参数,构建了三卤甲烷及卤乙酸两大类消毒副产物的多元线性回归、非线性回归及神经网络预测模型。结果表明,消毒副产物的多元线性回归模型能逐步筛选回归因子,得出影响消毒副产物形成的主要因素及影响程度,各消毒副产物的多元线性回归方程的线性非常显著(p≤0.05);消毒副产物的非线性回归模型能分析预测各种对消毒副产物的影响不呈线性关系的因素;各消毒副产物神经网络预测的判定参数均大于0.83,表明采用神经网络预测消毒副产物的形成可以获得较精确的预测值。     

线性回归在居民家庭收入与支出中的应用

回归预测分析是一种重要的预测方法。如果某个预测对象与其它因素有关,那么从因果分析的角度来说,通常可用回归预测模型。而且通常采用线性回归。线性回归分为一元线性回归和多元线性回归。本文通过举例居民家庭收入与家庭支出说明一元线性回归方法在生产运作中的预测功能。     

供热负荷回归模型的建立与分析

为了根据自然环境因素对换热站供热负荷进行有效的预测,文章在分析了与供热负荷有关的环境因素后,在证明其与供热负荷存在相关关系的基础上用回归分析的方法建立了供热负荷的多元线性回归模型以及多元多项式回归模型。对某换热站采集的数据进行了线性回归分析,并且根据学生化残差方法剔除异常值后再次进行建模,所得到的模型具有较好的模拟效果。     

均值GM（1,1）模型在变形预测中的应用

以变形监测实测20期高程数据为依据,选择前15期建立均值GM(1,1)模型,对后5期数据进行预测,并对建模拟合结果和预测结果进行分析,认为以均值GM(1,1)模型进行拟合预测精度满足要求。并且与以荷载和时间为影响因素建立的多元线性回归预测结果进行比较,相较于多元线性回归预测精度高。该研究对建筑物变形预测有一定的实际应用价值和参考意义。     

多元线性回归模型预测城市日水量

文中通过介绍某市自来水有限公司用户用水的占比分析,得知用水量多为居民用水,采用符合居民用水趋势的多元线性回归算法进行日用水量拟合预测,为原水调配和水厂生产提供调度依据。该模型通过选取不同的参数建模并分析其误差精度和相关系数,最终选取最低温度(T_(mini))、最高温度(T_(maxi))、降水概率(η_i)、近期多天水量值(Q_i)和温度突变(△T)、节假日(θ)等参数,根据将近3年的水量数据分析,预测平均误差最终达到2%的之内。经过近2年来的稳定运行,预测平均误差在3%以内,验证了预测结果可靠性。     

北京市高校学生宿舍人均用水量分析及线性回归研究

随着教育的普及和发展,高校的人数比例迅速增加,学生宿舍作为高校重要的生活用水单元,其用水规划在高校的水资源管理中不可忽视。以北京市3所高校学生宿舍为例,各高校人均用水量均低于相应规范的推荐值,在不同生源的宿舍楼和特殊年份中表现出差异性。选取a高校的用水数据进行线性回归分析,结果表明以用水人数、房间数和建筑面积作为自变量对总用水量进行多元线性回归的拟合方程相比仅以用水人数进行一元线性回归的拟合方程的R²高,且R²在0.98以上,具有较好的回归效果;线性回归前进行分类或聚类能取得更好的拟合效果,在多元线性回归中根据有无独立卫浴分类优于聚类;不同集合的回归方程的系数具有差异性。     

基于SVR的城市供水管网余氯预测分析

支持向量机回归(SupportVector Regression SVR)算法是结构风险最小化原理在函数回归方面的应用。根据北方某城市供水管网余氯的人工采样数据,建立了基于SVR的余氯预测模型,并与人工神经网络、多元线性回归方法进行比较分析,结果表明:在有限样本情况下,SVR模型具有良好的泛化推广能力,各监测点模型预测平均相对误差为1.80%~8.73%,并可获得全局最优解,达到了实用要求,较好地解决了以往管网余氯小样本预测时,常常出现拟合精度高、预测效果较差的问题。     

地下水水质预测的多克线性回归分析模型研究

运用回归分析理论和方法,建立了一个基于多元线性回归分析法的地下水水质动态预测模型,并将该模型用于遵义市海龙坝地下水水质的动态预测。结果表明预测精度较高,建立的模型较符合本研究区的实际情况。     

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。     

城市供水水量预测模型研究及案例分析

从分析城市用水量的变化规律着手,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,然后以铜陵市日用水量预测为例,建立了三阶自回归预测模型,最后分析了铜陵节假日用水量预测模型,为供水系统管理的良好调度提供了数据依据。     

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。     

高层建筑火灾事故应急能力量化评估

为提高城市建筑火灾事故应急能力评估准确性,构建了一套应急能力评估指标体系。结合层次分析法制定百分制扣分式量化评估标准;采用主成分分析法进行降维处理;基于多元线性回归法和支持向量机法建立模型。结果表明：高层建筑火灾事故应急能力评估指标体系能够有效实现指标定量化处理,两种模型预测得分较为接近,均适用于城市高层建筑火灾应急能力评估。     

居住建筑能耗预测分析方法的研究

本文通过正交实验设计、DeST建筑能耗软件模拟及多元线性回归方法,研究了影响居住建筑能耗的主要建筑设计因素,得到了重庆市居住建筑冷、热负荷及全年负荷的预测方程,并进行了误差分析。通过预测方程和模拟软件分别计算所得结果的对比分析,验证了该方程的可靠性,为重庆市居住建筑能耗预测分析提供了一种简便适用的方法。利用可靠的预测方程,可以快速而简单地评价分析不同设计方法和围护结构方式对建筑能耗的影响。     

BP神经网络在水厂预测混凝投药量中的应用研究

建立了一种基于三层结构BP神经网络的混凝投药量前馈控制模型,采用烧杯试验数据进行了仿真验证,同时建立了传统的线性回归混凝投药量前馈控制模型,并采用两种模型基于同一样本数据进行仿真。从投药预测值一实际值的对比图和均方根误差等可以看出,BP模型优于回归模型,它通过学习可以根据原水水质进行投药量的有效预测,有一定的自适应性,实用性较强,但也存在一定的局限性,对某些水质的投药预测值还存在一定误差。     

基于SPSS回归分析的锂渣混凝土抗压强度预测模型

利用SPSS软件的逐步回归分析法、多元非线性回归法建立锂渣混凝土的强度预测模型,分析各模型的残差图、预测值与试验值的对比,并结合均方根误差、平均绝对误差、平均绝对百分比误差和模型可决系数值对各模型的精确度等进行综合评价,最终确定出较优的锂渣混凝土强度预测模型。结果表明:水胶比、锂渣掺量和减水剂掺量对锂渣混凝土强度的影响十分显著;经残差分析和95%预测值区间检验,5个建议模型都有较好的精确度;经综合评价建议最佳的锂渣混凝土强度预测模型是以水泥强度、胶水比、锂渣掺量和减水剂掺量为自变量的非线性回归方程,其相应的可决系数R²=0.920,均方根误差为3.684,平均绝对误差为3.15,平均绝对百分比误差为5.44。     

Probabilistic prediction of urban water consumption using the SCEM-UA algorithm

Prediction of urban water consumption can help to improve the performance of water distribution systems. Despite the obvious presence of uncertainty in measurements and in assumed model types/structures, most of the existing water consumption prediction models are developed and used in a deterministic context. Methods for more realistic assessment of parameter and model prediction uncertainties have begun to appear in literature only recently. A novel application of the Shuffled Complex Evolution Metropolis algorithm (SCEM-UA) for the calibration of a water consumption prediction model is proposed here. The model is applied to a case study of the city of Catania (Italy) with the aim to predict daily water consumption. The SCEM-UA algorithm is used to calibrate the parameters of the artificial neural network based prediction model and in turn to determine the associated parameter and model prediction uncertainties. The results obtained using the SCEM-UA ANN approach were compared to the corresponding results obtained using other predictive models developed recently by the authors of the paper. When compared to the these models, the SCEM-UA ANN based water consumption prediction model shows similar predictive capability but also the ability to identify simultaneously the prediction uncertainty bounds associated with the posterior distribution of the parameter estimates.     

配水管网中细菌再生长的预测研究

管网中细菌的再生长及其所带来的问题日益得到了人们的关注和重视，为此以某高校的校园管网为研究对象，建立了细菌总数的预测模型。算例结果表明，线性回归模型对细菌再生长的预测结果不理想，但创新性地选用Logistic回归模型并结合主成分分析法则可对细菌总数（二分变量）的超标概率进行准确预测，当将模型判别概率设为0．85时其精度〉90％，满足水质预警的要求。