集对分析聚类预测法在城市生活需水量预测中的应用

集对分析聚类预测法结合了集对分析中的同异反模式识别的"择近原则"和聚类分析的基本思想进行分类预测。基于该方法给出了城市生活需水量的详细方法预测,在分析过程中考虑了城市生活需水量与其影响因素之间的关系,利用城市生活用水总量和影响因素的历史数据,建立了城市生活需水量聚类预测的模型,并利用我国北京市的实际数据进行了分析计算。结果表明,该预测方法应用于城市生活需水量预测思路清晰,计算简单且精度较高,该预测方法具有较高的实用价值。     

基于灰色系统模型的北京市需水量预测分析

该文在对城市需水量预测方法进行对比分析的基础上,结合城市需水量预测工作的特点和要求,引进灰色系统理论,利用北京市2002-2011年历年的年用水量数据,对总用水量、生活用水、农业用水、工业用水分别建立相应的灰色GM(1,1)模型,模型的精度检验效果较好。需水量预测结果表明,2012-2020年的各类需水量预测结果与未来的规划目标和产业发展趋势保持一致,预测结果可为水资源规划提供科学依据。     

城市总体规划需水量预测方法探讨

通过对影响几种常用需水量预测方法预测结果主要因素的分析和讨论,提出了采用预测精度较高的分类用水指标法和不同类别用地用水量指标法作为本次需水量预测方法。并以塔城市为例,将两种方法预测结果进行对比验证表明:两种方法预测结果基本相同,方法一稍大。推荐采用分类用水指标法的预测结果为塔城市中心城区规划水平年用水总量控制指标。该方法可为其它类似城市总体规划需水量论证提供参考。     

基于RBP神经网络模型的城市需水量方法研究

城市需水量预测是水资源可持续发展的研究基础。需水量预测考虑的影响因素较复杂,增加了需水量预测难度。通过建立RBP神经网络模型,以河北省A城市为例,进行城市需水量拟合与预测,与传统BP神经网络模型和灰色系统模型计算结果进行对比分析,结果表明RBP神经网络模型拟合的相对误差为2.65%,模型预测结果的相对误差为3.92%,计算结果精度高于另外两种方法,对今后城市需水量预测方法研究提供了一种有效方法的借鉴。     

灰色季节变动指数GSVI(1,1)模型在城市需水预测中的应用研究

文章采用灰色季节变动指数模型对辽宁中部某城市需水进行预测,并结合水资源监控采集数据对模型的预测精度进行了对比分析。分析结果表明:灰色季节变动指数模型适用于城市需水的预测,模型预测各季节需水量和实际用水情况吻合度较高,计算误差均值在8.61%~10.01%,各年份计算误差小于15%;模型结合季节变动指数对需水进行预测,可实现城市需水季节性变化的动态预测。研究方法对具有季节性变化特点的需水量预测具有参考价值。     

基于联系隶属度的城市需水量预测模型

城市需水量预测是生态城市规划与管理的基础,但受诸多不确定因素影响,是一个复杂的预测难题。为能定量统一表达预测年份需水量各影响因素间及与历史数据间的交叉、交融的确定和不确定关系,在此应用有序聚类理论与集对分析的耦合方法,提出了基于联系隶属度概念的城市需水量预测模型。该模型首先基于城市需水量历史数据进行最优分割聚类,应用联系隶属度对预测年份需水量的影响因子与历史数据关系进行同异反分析,并构建相似模型预测相应年份的城市需水量。实例应用及与其他方法对比的结果表明,该模型应用于城市需水预测是有效可行的。     

基于灰色GM(1,1)模型的城市需水量预测研究

介绍灰色理论建模原理以及参数辨识方法,从年度用水量本身挖掘有用的信息,依据长治市1996年~2004年用水资料建立了灰色GM(1,1)预测模型,经检验模型精度达到96.4%,并用该模型对城市需水量进行了预测。预测结果表明,该模型用于城市需水量预测,符合其灰色特性,可检验,适用性好,可为长治市水资源规划与管理提供必要的参考。     

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。     

济南市生态环境需水量的计算

以济南市为例探讨了生态环境需水量的概念、计算方法以及预测方法,认为城市是一个特殊的生态系统,其生态环境需水量应包括生活用水、生产用水以及环境用水三部分。在此基础上,计算了2003年济南市生态环境需水量为40 975.553×104m3,并预测了2010年生态环境需水量为92 575.848×104m3。研究结果丰富了生态环境需水量的理论研究,为单一城市的生态环境需水量的研究提供了依据。     

城市需水量预测方法及应用研究——以哈尔滨需水量预测为例

通过几种常用需水量预测方法的分析研究,根据其各自特点得出在城市规划中通常采用人均综合用水量指标法、分类用水指标法和年增长率法进行需水量预测。并以哈尔滨需水量预测为例说明各种预测方法的应用,为其它城市进行城市需水量预测时提供参考。     

基于主成分分析的GA-BP模型在城市需水预测中的应用研究

针对城市需水预测模型中需水量影响因子多、影响因子之间普遍存在多重共线问题,以及BP神经网络收敛速度慢、易陷入局部最优等缺点,提出一种由主成分分析、遗传算法及BP神经网络三者相结合的改进预测模型。以泰州市为实例,建立以主成分分析筛选需水量主要影响因子,遗传算法优化BP网络连接权值和阈值的需水预测模型,预测结果与BP神经网络预测模型预测结果做对比。结果表明:改进预测模型对泰州市2003-2014年需水量预测的平均相对误差为0.564%,最大相对误差为1.681%,精度优于BP神经网络预测模型;改进预测模型预测值与实际泰州市需水量吻合良好且训练速度更快、预测精度更高,可作为需水预测的一种有效方法。     

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。     

社会经济安全条件下区域需水量预测方法

提出了一种"社会经济安全"的量化方法(SD方法);将需水量预测方法和社会经济安全量化方法结合起来,建立了社会经济安全条件下的需水量预测模型(SSWDP模型);列举了在郑州市的应用实例。应用表明,建立的SSWDP模型可以较客观地分析社会经济安全状况及影响因素,确定社会经济安全条件下的区域需水量,为区域发展规划、供水工程规划以及节水规划提供科学依据。     

基于加权灰色-马尔可夫链模型的城市需水预测

城市需水量预测是区域水资源规划及优化配置的基础内容。在基于灰色GM(1,1)模型预测城市需水量总体趋势的基础上,引入加权马尔可夫链预测理论,建立了加权灰色马尔可夫GM(1,1)预测模型。该模型既考虑了GM(1,1)模型较强的处理单调数列的特性,又考虑了通过相对误差的状态转移概率矩阵的变换提取数据随机波动响应的特点。成都市城市需水量预测结果表明:加权灰色马尔可夫GM(1,1)模型充分利用需水量数据给予的信息,实现了对相对误差的状态转移的预测,并提高了修正灰色模型预测值的精度;通过与其它2种灰色预测模型预测结果比较,加权灰色马尔可夫GM(1,1)模型精度更高,预测得到2012年和2013年成都市城市需水量分别为74 250.91万m³和79 818.34万m³,呈明显增长趋势。因此该模型提高了随机波动较大数据序列的预测精度,拓宽了传统灰色模型预测的应用范围,更具科学性。     

Regional Water Demand Prediction and Analysis Based on Cobb-Douglas Model

Currently, regional water demand is mainly predicted by prediction models and according to actual water demand time series. However, regional water demand is affected by many factors, and the existing methods neglect dynamic mutual-restriction relation of various water demand influencing factors and influence of these factors on water demand and cannot calculate contribution rate of each factor to water demand. To address this problem, this paper, by adopting Cobb-Douglas production function, has established a regional water demand prediction model based on Cobb-Douglas model, by which the contribution rates of the regional water demand influencing factors can be calculated. It is indicated by example of Zhuhai in China that this proposed model possesses such advantages as simple modeling and high prediction accuracy by comparing with support vector machine and back-propagation neural networks models.     

基于主要驱动因子筛选法和深度学习算法的浙江省动态需水量预测

收集了浙江省2000—2020年各用水行业需水量数据,采用基于Spearman秩相关分析的主要驱动因子筛选法筛选了影响各行业需水量的主要驱动因子,进而构造了改进的长短时记忆(LSTM)神经网络需水量预测模型,对各行业需水量进行动态滚动预测,并将改进LSTM模型的预测结果与传统单变量LSTM预测模型、卷积神经网络模型、支持向量回归模型的预测结果进行了对比。结果表明,基于主要驱动因子筛选法改进的LSTM模型能实时动态滚动预测各行业每年需水量,且预测结果精度高于其他3种模型。     

基于模糊神经网络的区域需水预测计算模型

将神经网络和模糊理论相结合建立模糊神经网络模型,从模糊神经网络角度并运用灰色系统理论对区域需水量进行预测,通过应用于盐城市在未来2010年需水预测的实例,计算分析结果表明该模型具有良好的可行性和合理性,可以借此深入分析外生变量与区域需水量之间的关系。     

基于随机森林模型的需水预测模型及其应用

为解决需水预测模型精度问题,尝试基于随机森林模型的分类和回归功能构建需水预测模型。以苏州市需水量预测为研究实例,首先应用随机森林模型的分类功能将需水预测因子分类,经计算发现第一产业比例、人口、灌溉面积、万元产值用水量和国民经济生产总值为最重要的解释变量。在此基础上,用随机森林模型的回归功能对需水进行预测,同时采用相同的训练数据建立基于BP神经网络和RBF神经网络的需水预测模型,通过对比3个模型的预测结果,发现随机森林模型能有效预测需水量,且精度较高。     

钦州市郊区电力需求影响因素分析及电力需求预测

通过对影响钦州市郊区电力需求主要因素进行分析,探索钦州市郊区电力需求与经济发展、区域产业结构调整以及季节性气温等因素之间的关系,采用基于灰色模型的用电量预测算法,从各产业发展趋势和负荷结构等方面对2012-2013年的钦州市郊区电力需求进行预测。