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。     

改进的RBF网络在区域需水预测中的应用

利用径向基函数神经网络,建立了区域用水量预测模型,改进了RBF网络学习方法;根据某地区近年来影响用水量主要影响因素的数据对该网络进行训练,并用训练好的网络模型对该区域以往和今后不同年份的用水量进行预测;对以往用水量预测结果表明该模型有较高预测精度、通用性和客观性.     

基于数据挖掘的冷水机组能耗预测

为了充分利用能源站冷水机组实际运行数据,提高能耗预测准确率,提出了一种基于数据挖掘算法的冷水机组能耗预测模型。该模型包含3个主要步骤:数据预处理、模型建立及分析、结果表述。在模型选择上,利用支持向量机、径向基函数神经网络及决策树3种算法建模并对比分析。结果表明:基于数据挖掘的能耗预测模型有较好的实用性与可靠性;相比其他2种模型,径向基函数神经网络模型的均方根误差值平均降低了0.661,相关系数达到0.999,即径向基函数神经网络的能耗预测准确率最高,建模效果最佳。     

基于灰色RBF组合模型的城市用水量预测

为解决城市用水量预测中单一方法预测精度不高的问题,建立了灰色径向基（RBF）神经网络组合模型。对比实验结果表明,灰色GM（1,1）模型、RBF神经网络模型和灰色RBF神经网络组合模型的平均相对误差分别为2．1222％,1．2562％和0．6821％。与灰色GM（1,1）模型和RBF神经网络相比,灰色RBF神经网络组合模型充分发挥了灰色系统的贫乏数据建模和RBF神经网络的高度非线性映射能力的双重优势,具有较高的预测精度,更适合用于城市用水量预测。     

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。     

基于小波支持向量机的城市用水量非线性组合预测

基于支持向量机(SVM)和小波框架理论,建立了城市用水量非线性组合预测模型,介绍了该模型的结构设计方法,并采用SMO算法对模型进行求解。实例表明,该模型具有很强的泛化能力与适应数据和函数变化的能力,能够有效提高预测精度,可用于供水系统调度的用水量预测。     

高强混凝土强度预测的支持向量机模型及应用

高强混凝土的强度受多种因素的影响,其强度的预测是一个动态性的系统工程。采用支持向量机理论,建立了高强混凝土的强度预测的支持向量机预测模型。并将该模型计算结果与实测混凝土28 d抗压强度、BP网络计算的强度、RBF径向基函数神经网络计算的强度、线性回归模型计算的强度、非线性回归模型计算的强度进行比较。研究表明:预测结果与实测结果吻合较好,较线性回归和神经网络预测精度高,为高强混凝土的强度预测提供了一条新途径。     

基于神经网络预测混凝土中氯离子浓度的分布

现阶段对氯离子浓度预测大多基于Fick定律以及在此基础上的一些改进模型,其明显的缺点就是模型的参数较多,应用不便。而人工神经网络不需要研究各个影响因素间的关系,常用于对模糊问题的研究。基于BP神经网络与径向基函数神经网络,给出了预测混凝土中氯离子浓度分布的分析模型,并结合试验对比了两种方法的有效性,结果表明径向基函数神经网络比BP神经网络具有较好的准确性与稳定性。最后提出通过建立庞大的神经网络数据库来预测不同环境作用下不同配合比的混凝土在任意时刻的氯离子浓度分布。     

基于径向基神经网络的基坑支护位移预测方法

简要分析了径向基神经网络相对于BP神经网络的优点,利用径向基神经网络建立了基坑支护水平位移的预测方法并编制了基于径向基神经网络的支护位移预测程序.结合实际工程监测数据中的基坑支护结构水平位移数据,对网络进行训练并利用训练好的网络对基坑支护结构的水平位移进行了预测.从预测结果与实测结果的对比分析来看,利用径向基神经网络对基坑支护水平位移进行预测是可行的,其精度符合工程实际的要求.     

应用小波支持向量机的预应力混凝土碳化深度研究

构造了一类小波核函数,并利用小波核函数支持向量机对预应力混凝土碳化深度进行了仿真和预测。将小波函数用于SVM得出一类小波核函数,并将其与径向核函数SVM、神经网络在预应力混凝土碳化深度预测中的应用进行了对比。研究发现,SVM对预应力混凝土碳化深度的预测精度要远远高于神经网络,且小波核函数SVM比径向核函数SVM精度高。小波核函数在一定场合下精度要比径向核函数高,SVM用于预应力混凝土碳化深度的预测是可行的,且具有较高精度。     

城市用水量的混沌特性与预测

采用混沌理论对城市用水量时间序列的混沌特性进行了判定。基于最大Lyapunov指数法,提出了城市用水量短期预测的模型以及多步预测的步骤。实例研究表明,基于最大Lya-punov指数法的预测结果明显好于BP神经网络法,在计算得出的最大可预测时间尺度内预测精度较高,而在最大可预测时间尺度外的预测精度大为下降。     

多元线性回归模型预测重庆市用水量

采用多元线性回归法预测城市用水总量。通过主成分分析确定用水人口、国民生产总值、工业用水重复利用率、年降水量、建成区绿化覆盖率为有效自变量,应用Eviews软件建立数学模型,实现多元线性回归分析。根据残差图检验模型的有效性,结果表明模型回归效果良好,可为准确预测城市用水量提供参考。     

基于人工神经网络的城市煤气短期负荷预测

应用人工神经网络误差反应传播模型对城市煤气管网的短期负荷进行了预测。根据城市煤气短期负荷变化的特性建立了既反映煤气负荷连续性,周期性及其变化趋势,又包含天气,气温,节假日等因素影响的短期负荷预测模型,并介绍了方法在实际中的应用。     

城市供水规划中人均综合用水量指标的确定方法

在城市供水规划中，用水量指标值的合理制定是预测用水量的关键步骤。根据同一城市人均综合用水量与生活用水量之间相对稳定的比例关系，得出了城市用水量指标的预测公式；该公式中的系数由城市多年的用水规律得出，而且还可根据城市发展进程和规划目标的变化作出及时调整。采用该方法对南方某城市新一轮规划的城市人均综合用水量指标进行了预测，其结果与目前居住小区规划中使用的数据相吻合，说明这一方法是比较合理的。     

基于模糊数学的供水管网水质安全性评价方法探讨

供水管网水质安全性评价对于提高供水调度与管理水平十分重要。提出了利用模糊数学解决复杂的水质安全性评价问题的方法。详细分析了余氯指标的评价标准,并以某城市供水管网为例研究了余氯的模糊评价方法。评价结果与实际水质状况相符,说明该模糊评判方法可用于管网水质的评价。     

Residential energy consumption in China and its comparison with Japan,Canada, and USA

Energy consumption in the residential sector is one of the main parts of the total consumption in China. In this study, China is divided into seven regions according to the climatic characteristics. Using statistical data, the annual consumption of electricity, coal gas, LPG, natural gas, coal as well as energy for district heating in urban residences in different regions is analyzed. The relationship between the annual energy consumption per household (UEC) and heating degree-days was examined for China, Japan, Canada, and the United States. The conclusions of this study are: (1) the values of UEC for the urban areas of China are between 11 and 24 GJ per household per year in 1997; (2) the consumption of coal has been decreasing and consumption of electricity, gases has been growing since 1990s; (3) the UEC on the secondary energy basis tend to decrease, while that on the primary energy basis keeps on growing; (4) the regression equations for UEC of residences in the USA, Canada, Japan, and China were developed for 1997; and (5) in 1997, the average UEC for the urban areas of China is 17.2 GJ, which is about 39, 16, and 12% as much as that of Japan, the USA, and Canada in 1997, respectively.     

人工神经网络在油漆废水混凝氧化处理建模中的应用

利用改进的B－P算法，对油漆废水混凝氧化处理系统建立了人工神经网络模型，并利用该模型拟合、预测了一些实验数据。结果表明，模型的计算值与实测数据之间的误差很小，而且能正确反映各影响因素作用的内部机理。     

SBR出水BOD值的RBF软测量法

提出了基于径向基函数(RBF)人工神经网络的SBR出水BOD值的软测量方法，并介绍了其原理。通过大量实测数据对RBF神经网络进行训练，仿真结果显示利用其可实现对SBR出水BOD值的软测量，为污水处理过程的在线实时控制创造了条件。     

基于遗传优化神经网络的市政管网水质模型研究

将遗传算法的全局搜索能力和BP神经网络的局部学习能力有机结合,得到一种快速高效的建立供水管网余氯的水质模型的新方法。验证结果表明,遗传算法优化后的神经网络模型所需要考虑的参数较少,应用方便,预测精度和效率较高,在城市给水系统水质模拟预测研究中有一定的参考应用价值。