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。     

基于粒子群优化算法的城市日用水量预测模型

结合城市日用水量影响因素的特点和变化规律，建立了城市日用水量预测模型，采用粒子群优化算法优化BP人工神经网络的连接权值，以求解该预测模型。经优化后的BP人工神经网络运算速度快、泛化能力强、预测精度高。实例验证结果证明该日用水量预测模型和求解方法是可行的。     

灰色——神经网络组合模型预测城市用水量

针对城市用水量的预测，建立了以预测方法有效度为优化指标的求解组合预测权重系数的优化模型，并对灰色－神经网络的二元组合预测模型采用简化方法求解。该方法应用于长沙市河西供水系统的用水量短期预测，误差较小，能满足实际需要。     

人工神经元网络模型在城市用水量预测中的应用研究

本文针对常规城市用水量预测模型在预测中存在的盲目性大、拟合精度不高且预测容易失真的不足,引入BP神经元网络的计算方法,建立了非线性人工神经元网络预测模型:利用人工神经元网络学习理论对非线性离散参数的辨识理论对城市用水量需求预测方法进行了较为深入、系统的研究。该模型考虑了城市中众多因素对用水量需求的影响,使所建立的预测模型初步具备系统决策功能。实例预测表明,本文所建立的BP神经网络预测模型系统及其相应计算方法具有较高的预测精度和准确度,能够为城市的用水量预测提供规划依据。     

城市时用水量预测模型比较

城市时用水量的各种预测模型特点各异,预测精度也各不相同。介绍了5种城市时用水量预测模型的构建原理及各自的优缺点,并以杭州市用水量为例,对5种预测模型的预测结果进行了误差比较分析。     

改进单指数平滑法预测某市日用水量

为实现供水管网经济、可靠、科学的优化调配用水量,给出一种基于改进单指数平滑预测方法,该预测方法引进"追踪信号"来反应时间序列的变化,通过重新修正平滑常数a以建立改进单指数预测模型。以东北某城市日用水量为原始数据进行了实际预测,模型精度检验的结果满足Y市用水量要求,该预测模型应用于Y市的日用水量预测,为Y市供水优化调配提供有效依据。     

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。     

RBF网络预测城市用水量模型

考虑了影响城市用水量的气温、节假日和阴晴状况等因素，利用径向基函数网络(RBF网络)建立了日用水量的动态预测模型。先用实际配水系统的用水量数据训练网络，之后用训练好的网络模型预测实际配水系统的用水量数据，结果显示预测精度良好，其残差序列的自相关系数落在95％的置信区间内。     

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.     

基于RBF网络的城市供水短期负荷预测

根据城市用水量序列的非线性时序特点,利用径向基函数神经网络(RBF网络)建立城市用水量短期预测模型,并采用某市日用水量和小时用水量的实际数据分别进行了建模和预测,结果显示该方法具有建模简便实用、预测精度良好的优点,可满足实际需要。