鄂尔多斯市水资源需求预测研究

根据鄂尔多斯市经济社会发展特点,统筹考虑当地资源优势及水资源条件,按照不同的经济社会发展模式,分门类进行微观需水预测分析,确定合理的经济社会发展布局,并分析经济社会发展需水的合理性。经优化用水模式和调整需水结构,预测推荐需水模式下2020年鄂尔多斯市需水量为25.05亿m3,这一结果反映了区域国民经济和社会发展长期持续稳定增长对水资源的合理要求。     

基于主成分回归与灰色神经网络模型的水资源承载力需水量预测

我国的水资源利用问题日趋严峻。作为影响水资源承载力的重要因素,社会经济活动对水资源的影响尤为明显。通过分析影响水资源承载力的社会经济驱动要素,建立主成分回归模型,分析得出影响江苏省水资源承载力变化的三个驱动力以及驱动力影响度,利用三个驱动力中的6个重要驱动因子,建立灰色神经网络预测模型,预测出江苏省2012-2013年的年需水量。结果表明:预测模型精度较高,最后结合江苏省发展现状提出相关的政策性建议。     

水资源需求预测的研究现状及发展趋势

 叙述了目前国内外水资源需求预测的研究概况,系统研究了水资源需求预测的常用方法,对目前水资源需求预测存在的问题进行讨论,并就今后水资源需求预测的发展趋势提出看法。     

灰色系统理论在水资源保护中的应用

水资源保护工作常涉及到城市废水排放量,工业生产需水量及水域污染物浓度等信息,往往是灰色的,即有已知信息,又有未知或非确知信息。因此,在对其进行动态预测时,灰色系统理论提供的灰色动态预测模型较其他预测方法具有需要原始数据少,计算较简便,易于编程电算,一般不需多因素数据,可用于近期或中长期预测,同时精度较高等特点。本文通过举例建模计算、实例应用分析和模型残差修正等方面的论述,探讨了灰色系统理论在水资源保护中的应用,为控制水环境污染,进行水资源保护科学决策,提供了较理想的预测方法。     

改进证据理论融合灰色神经网络的水质预测

针对水质预测过程中样本数据少的特点,引入了改进证据理论和灰色神经网络相结合的组合预测方法。首先利用灰色神经网络作为单一模型对水质进行初步预测,再用神经网络对预测结果进行分析建模,得到每个单一预测模型的可信度,最后采用改进证据理论进行融合决策,以获得各单一预测模型的权重,从而实现了水质的组合预测。实例分析结果表明,该方法拟合误差小、预测精度高。     

基于灰色神经网络模型的水资源生态足迹预测——以广西为例

水资源利用评价与趋势预测是当前水资源研究的热点问题。运用生态足迹方法计算了广西1997~2014年的水资源生态足迹、水资源生态承载力和水资源生态盈余,在此基础上,采用灰色神经网络模型进行动态模拟并预测其2015~2019年的发展趋势。结果表明:1 1997~2014年,广西人均水资源生态足迹和水资源生态承载力总体均呈下降态势,但前者的降幅明显小于后者;历年水资源均表现为生态盈余但总体呈下降走势,表明该地区水资源利用处于可持续状态但面临逐渐转向不可持续的威胁。2 2015~2019年的人均水资源生态足迹将维持在0.9~1.1 hm~2左右,其走向是先升后降;人均水资源生态承载力将保持在1.8~2.3hm~2左右,波动明显;人均水资源生态盈余介于0.7~1.3 hm~2之间,水资源利用仍将处于可持续状态,但可持续开发利用空间相较之前明显缩小。3与常用的灰色模型相比,灰色神经网络模型模拟精度具备明显优势并具有很强的内插拟合能力和较好的外推预测能力,可应用于同类问题的预测分析。     

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。     

基于灰色遗传BP神经网络的校园区间需水预测研究

水资源预测是城市安全用水的基础保障,而校园用水预测是城市用水规划和管理的组成部分。针对校园用水受很多因素影响产生的不确定性,提出了基于灰色遗传BP神经的校园用水预测模型。模型对校园用水的数据进行灰色关联分析,并加入遗传算法去优化BP神经网络,经过残差计算,输出区间的预测值。运用该模型可以充分提取小样本信息,解决神经网络无法自动寻优的问题。通过Matlab对校园的用水区间数据进行仿真,得出的结果显示,预测的数据和实际数据基本吻合,其仿真精度可以达到90. 32%,验证了该方法的可行性,此预测方法有一定的借鉴意义。     

基于灰色理论的区域需水量预测研究

针对区域水资源可持续开发利用研究中未来年份区域需水量估计预测问题,建立了基于灰色理论的区域水资源需水量预测模型.奎屯市需水量预测值与实际值对比分析,及数理统计检验中的后验差检验结果表明,该模型可用于区域水资源需求量预测.     

基于BP神经网络的宁夏水资源需求量预测

利用宁夏2000-2010年的需水量数据,提取了人口数、GDP、工业总产值和降水量为主要影响因子,采用主成分分析法对影响水资源需求量的8个因子进行了分析。将此作为输入样本构建BP神经网络模型,用训练测试好的神经网络对2011和2012年水资源需求量进行了预测,预测结果为宁夏水资源规划管理提供参考。     

基于BP神经网络的义乌市水资源需求量预测

针对区域水资源需求量的预测问题,由影响义乌市水资源需求量变化的三类影响因子——经济发展与水资源量不协调因素、人口因素和水环境破坏因素三类入手,运用BP神经网络模型对该区域水资源需求量进行预测,通过网络学习训练得出义乌市2010年水资源需求量为2.684103×108m3。其结果可为政府决策者制定与水资源相协调的区域发展规划提供一定的参考。     

结合灰色理论的人工神经网络方法 在水质预测中的应用

针对现阶段水质监测中存在的水质变化响应滞后问题,提出了采用灰色预测法、人工神经网络(BP神经网络、径向基神经网络、广义回归神经网络)以及两者组合的方法对水质动态预测进行研究。以太湖流域嘉兴斜路港监测断面为例,并依据后验差检验比值c及小概率精度p对模型预测效果进行了分析。结果表明,对年内预测,通过广义回归神经网络的动态预测值平均相对误差为0.61%,后验差检验比值小于0.65,小误差概率大于0.7;采用灰色结合广义回归神经网络的方法对水质pH值进行预测,平均相对误差仅有0.85%,后验差检验比值小于0.65,小误差概率等于1。研究结果还表明,对年际预测,灰色结合BP神经网络和灰色结合径向基函数神经网络的动态预测值平均相对误差分别为0.57%和0.80%,其后验差比值都小于0.5,小概率误差都为0.9,大于0.8。     

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。     

基于改进型BP神经网络马尔科夫模型的区域需水量预测

为提高需水量预测的精确度,应用了一种BP神经网络与马尔科夫相结合的预测模型,介绍了它的基本原理及算法,并给出了该模型建立的具体过程,最后该模型被应用于需水量预测工作中,计算证明取得了较好的效果。     

考虑水功能需求的海口市水系连通指标阈值研究

随着城市的快速发展,我国河湖水系结构逐渐向单一化趋势发展,由此产生了一系列的环境问题。以海口市为研究区域,建立了城市化对水系连通性影响的定量分析指标体系,通过ENVI、Arc GIS软件以及资料收集,得到2000-2016年海口市水系连通形态和功能指标,运用统计学方法分析了水系连通功能指标和水系连通形态指标关系,并结合海口市水系的未来水功能,确定了水系连通指标阈值。结果表明:节点连接率的阀值为[1. 0152,1. 2471];水系环度的阀值为[0. 0049,0. 0111];河网密度的阀值为[0. 0585,0. 1786];水系连通度的阀值为[0. 3384,0. 3541],阈值的确定可为城市化对水系连通影响地区的水资源规划管理,以及城市建设等提供参考。     

基于BP神经网络的桂林生态城市建设需水量预测

根据桂林市经济社会历年统计的主要指标数据,运用SPSS社会科学统计软件分析并选取出桂林市辖区生态城市建设需水量的显著性影响因子,采用改进的归一化进行非线性规格化数据处理,基于Matlab建立BP神经网络模型,预测桂林市辖区生态城市建设需水量,结果表明,预测结果与原始数据的平均相对误差为1.19%,最大为2.08%,最小为0.28%。该模型具有较高的预测精度和良好的泛化能力,BP神经网络与SPSS软件优化组合模型,可用于需水量预测。