城市生活用水量预测方法探讨

在研究了国内生活用水量预测方法的基础上，提出了由分部分项预测城市生活用水量方法，由于该方法分项较细，其预测水量较现行的方法准确。     

城市日用水量预测的实用动态模型

根据城市用水量的影响因素及特点,利用统计预测理论,建立了日用水量的实用动态模型,通过逐步回归分析方法剔除次要影响因素,并采用递推最小二乘（ＲＬＳ）方法动态预测回归残差项。经沈阳市实例验证,该法预测误差小,可满足供水系统调度的实际需要。     

神经网络在城市用水量预测中的应用研究

考虑城市用水量受众多因素影响 ,具有系统稳定性和非线性的特点 ,探讨了基于神经网络的城市用水量预测的非线性时间序列递推预测方法 ,并利用该方法对郑州市城市用水量进行了时间序列模拟 ,实例证明了该方法的正确性和科学性 .将神经网络的BP算法应用于城市用水量系统的建模和预测 ,并给出了较为详细的计算结果 ,具有一定的理论价值     

城市日用水量预测的神经网络方法

介绍了城市日用水量预测的BP神经网络方法,分析了日用水量的变化规律和影响因素.以每日最高温度、最低温度、晴雨情况、星期及前一日用水量为输入节点,预测日用水量为输出节点,建立了日用水量预测神经网络模型,编制出预测模型的计算机程序.通过实测数据进行了模型检验,对预测结果进行了分析.     

基于混沌时间序列模型的用水量预测

城市用水量预测在供水系统的调度决策管理中具有重要作用。通过对用水量的分析,发现了城市用水量具有混沌特性,并提出一种基于混沌时间序列模型的用水量预测方法。实验表明,预测误差率小于1.31%,能对供水调度决策提供有力支持。     

BP网络的城市时用水量预测组合模型

为建立起城市用水量与其影响因素间的预测模型,以预测的城市用水量趋于合理,针对城市时用水量的特点及影响因素,在考虑充分利用各因素历史观测数据的基础上,利用BP神经网络建立了城市时用水量的时间序列预测与解释性预测组合模型,并对南京市的时用水量进行了预测.预测结果与实际情况具有很好的一致性,预测误差小,能满足供水系统调度的实际需要.可见,本预测组合模型是合理的,为城市时用水量预测提供了一种可行方法.     

城市用水量预测的人工神经网络模型

为预测城市用水量，提出了人工神经网络模型，用此模型对某沿海城市用水量进行拟合、预测。通过数据文件的建立及期望输出的选取，能充分体现数据系列的变化规律。实例结果表明，该模型拟合精度高，用于城市用水量预测可行、有效。     

GNNM(1,1)模型在城市用水量预测中的应用

我国城市年用水量数据较少并与诸多因素息息相关,是一个典型的灰色系统。本文利用灰色系统的少数据建模优点和神经网络的精度可控性优点,建立了城市年用水量的灰色神经网络GNNM(1,1)模型。利用该模型对S市城市用水量进行了实际预测研究,实例证明了该方法的正确性和科学性。     

GNNM(1,1)模型在城市用水量预测中的应用

我国城市年用水量数据较少并与诸多因素息息相关,是一个典型的灰色系统。本文利用灰色系统的少数据建模优点和神经网络的精度可控性优点,建立了城市年用水量的灰色神经网络GNNM（1,1）模型。利用该模型对S市城市用水量进行了实际预测研究,实例证明了该方法的正确性和科学性。     

城市工业用水量预测方法研究

由于城市工业用水量占城市总用水量的2／3,城市工业总产值也占全国国民经济总产值的80％,所以预测城市工业用水量对城市经济的发展,解决缺水问题,采取节水措施是至关重要的,根据我国某城市的工业用水统计资料,采用龚帕兹模型y＝e(k ab'),或lny＝k十ab'进行预测,取得了较为满意的结果,并对成果进行了分析,这对指导城市经济建设和产业结构的调整具有重要的指导意义。     

城市用水量动态预测的双线性模型

针对城市用水的时变化性和受多因素影响的特点,引入双线性模型,并给出建立预测城市用水量的双线性模型方法。通过利用预测过程中产生的残差信息进行反馈矫正,保证了该模型较高的拟合精度和稳健的预测性能,实例证明该模型结构简单、预测精度高,具有推广应用价值。     

城市需水预测方法研究

详细阐述了采用BP神经网络和模糊神经网络进行城市需水预测的方法，并将这两种方法应用到天津市需水预测的实证研究中．通过对这两种方法进行比较．发现在相关因素数据比较齐全时，模糊神经网络有比较好的模拟结果。     

工业用水量预测方法及适用条件分析

对工业用水量预测方法进行分析比较，指出了每种方法的适用条件和优缺点。最后给出分析计算实例。     

城市用水量灰色预测

利用磷以预测方法对城市中长期用水量进行了研究,介绍了磷以系统预测的基本原理,建立了两次拟合等维灰数递补灰色用水量预测模型,通过在三个城市的实际应用,验证了其有效性及可行性。     

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.     

基于大数据分析的郑州市城市用水量预测

基于2011—2019年郑州市用水统计资料,通过建立ARIMA模型、灰色GM(1,1)模型和基于大数据分析的多元线性回归分析3种模型对郑州市城市用水量进行预测.结果表明,利用主要影响因素建立的基于大数据分析的多元线性回归分析模型优化度R2和平均相对误差分别为0.946和1.758％,而ARIMA模型、灰色GM(1,1)...     

城市生活用水量预测的PLS-ANN模型

城市生活用水量受到多重因素的影响,这些因素之间的相关性都较大.将偏最小二乘回归与神经网络耦合,建立了城市生活用水量预测模型.将自变量利用偏最小二乘回归处理,提取对因变量影响强的成分,既可以克服变量之间的相关性问题,又可以降低神经网络的输入维数;利用神经网络建模可以较好地解决非线性问题.实例表明本预测模型的拟合和预测精度均较好.     

基于全息人工神经网络的建模与预测方法

从时间序列建模与预报的角度讨论了动态神经网络,首次提出了一种新的实现非线性动态时间序列预报的动态网络结构－全息神经网络,给出了其数学模型和拓扑结构,并将其应用到机械设备振动烈度值的预测上,取得了令人满意的效果,结果表明,全息神经网络弥补了原有神经网络有一些缺陷,具有较高的理论和实用价值。     

供应链中趋势序列的神经网络预测研究

本将神经网络的方法用于带趋势的时间序列的预测中。对于趋势序列的预测，采用BP算法的改进算法进行了仿真。并得出结论，在对于带有趋势的时间序列进行预测时，相对数据进行差分处理能有效地提高预测精度。