石羊河流域武威属区生活需水量预测

在分析回归分析模型和灰色GM(1,1)模型原理的基础上,利用两种模型分别对石羊河流域武威属区生活需水量进行了模拟分析。由于回归分析模型对石羊河流域武威属区生活用水量的模拟精度偏低,而GM(1,1)模型的模拟结果比较准确、合理,因此应用GM(1,1)模型预测石羊河流域武威属区2010年、2015年、2020年生活需水量分别为11 522.67万、15 987.03万、22 181.06万m3。     

郑州市未来15年城市需水量预测研究

根据郑州市过去9年生活用水量的统计资料,分别采用用水量指标法、GM（1,1）灰色系统模型和多元线性回归分析对郑州市2010年、2015年、2020年城市需水量进行预测,并对各种方法的预测结果进行分析比较,确定郑州市2010年、2015年、2020年城市需水量分别为123万、158万、198万m^3／d。     

改进的灰色预测模型在城市年需水量预测中的应用

应用灰色系统理论建立了某城市年需水量的灰色GM(1,1)模型。在分析灰色预测模型建模思路及建模前提的基础上,应采用改进的灰色预测模型进行该市年需水量预测。结果表明:改进灰色预测模型与灰色GM(1,1)模型相比,平均相对误差以及原点误差均较小,适用性范围更广,可用于城市的年用水量预测。     

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。     

基于改进灰色模型的水资源预测

为了提高灰色模型GM(1,1)对用水量预测的精度,通过对传统灰色模型的残差序列进行改进,提出了一种新的灰色改进预测模型。将其应用于城市居民生活用水量预测中,结果表明:与传统GM(1,1)模型预测值相比,改进GM(1,1)模型预测值与实际值拟合效果更好。     

基于灰色系统模型的辽宁省需水量预测研究

根据城市需水量预测相关要求和工作特点,对比分析了现有的预测方法,结合辽宁省2010-2019历年用水量数据及灰色系统理论,搭建工业、农业、生活和总用水量灰色GM(1,1)模型。结果表明:未来的产业发展趋势、规划目标与2020-2028年的各类需水量预测结果保持较高一致性,可为水系统承载力的提升和区域水源管理规划提供决策依据。     

基于GM(1,1)的河南省需水量预测研究

本文重点介绍了灰色理论及其建模原理,对年度用水量进行深入挖掘,依据河南省2000-2009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93.27%,并用该模型对需水量进行了预测。预测结果表明,该模型用于需水量预测,符合其灰色特性,可检验,适用性好,可为河南水资源规划与管理提供必要的参考。     

城市年需水量的灰色预测探讨

分析了某市年需水量的变化特点,讨论了对年需水量预测效果较好的灰色GM(1,1)模型在该市年需水量预测中的应用,并提出了改进灰色模型在该市年需水量预测中的应用,结果表明:改进的灰色预测模型与传统的灰色GM(1,1)模型相比,平均相对误差及原点误差均较小,可用于该市的年需水量预测,为该市年需水的宏观调控与用水规划提供参考.     

基于GM(1,1)的河南省需水量预测研究

本文重点介绍了灰色理论及其建模原理,对年度用水量进行深入挖掘,依据河南省2000～2009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93.27％,并用该模型对需水量进行了预测.预测结果表明,该模型用于需水量预测,符合其灰色特性,可检验,适用性好,可为河南水资源规划与管理提供必要的参考.     

不同改进灰色模型在广西年用水量预测中的应用研究

以广西全区2005-2014年的年用水量资料作为建模数据,采用灰色GM(1,1)模型进行预测研究。为了提高预测精度,分别对传统灰色GM(1,1)模型进行了不同方式的改进,通过比较发现4种灰色模型的预测结果均较理想,平均精度达到了99.5%。其中传统灰色GM(1,1)模型为99.0%、函数变换改进的灰色模型为99.4%、残差修正后的灰色模型为99.7%、经弱化算子处理后的灰色模型为99.9%,同时也充分验证了灰色模型在广西年用水量预测中的可靠性。     

加速遗传算法在需水预测中的应用

利用灰色系统理论把受各种因素影响的需水量视为在一定范围内变化的与时间有关的灰色量,从而建立GM(1,1)模型对区域需水量进行预测,并对模型进行改进,探讨利用基于加速遗传算法的RAGA-GM(1,1)模型来对广州市的需水进行预测模拟。     

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。     

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。     

基于回归分析和灰度模型GM(1,1)的民勤县需水量预测

解决水资源供需矛盾的关键在于准确进行需水预测。为解决民勤县的水资源供需矛盾,对民勤县2008—2014年的用水量结构及特征进行分析,并分别使用回归分析法和灰度模型GM(1,1)对2015年的分项需水量和总需水量进行预测,与2015年实际用水量进行比较。结果表明:回归分析法和灰度模型GM(1,1)预测精度良好,与实际值的相对误差均小于1%,各分项用水量的预测均通过差异性检验。与灰度模型GM(1,1)相比,回归分析法具有较高的精度和便利的操作性。2种模型预测2018年民勤县的需水量分别为33 926万m3和34 236万m3,分项用水量预测结果差异性小,可为民勤县水资源合理配置及供水系统优化调度提供参考。     

基于等维新息GM(1,1)模型的城市需水量预测

该文针对传统GM(1,1)模型当系统增长速度较快时可能出现较大误差的弱点,提出了等维新息GM(1,1)模型,并对阿克苏市2001~2005年的需水量进行了预测。结果表明:等维新息GM(1,1)模型预测精度较高,平均相对误差较小,可用于城市的年用水量预测。     

贵州省工业需水量预测研究

等维灰色递补模型以灰色模型为建模基础,引入贵州工业用水量历史数值,选择合适的数据序列,建立预测精度较好的GM(1,1)预测模型,从而构建灰色递补GM(1,1)预测模型。该模型预测精度等级为"好",故预测需水量具有可靠性和参考价值。灰色递补模型显著地减小了后验差比值C,弥补了灰色模型的不足,可为城市中长期供水规划提供方法选择。     

灰色新陈代谢GM(1,1)模型在需水量预测中的应用研究

文章针对常规GM(1,1)模型存在的缺陷,建立了灰色新陈代谢GM(1,1)需水量预测模型。并运用该模型对锡林郭勒盟2015～2020年需水量进行了预测。结果表明,预测结果合理、可靠,模型预测误差较小、精度较高。该模型具有简捷实用、预测精度高等优点,为需水量预测提供了新的方法。     

基于等维新息GM（1，1）的郑州市需水量预测

针对传统GM(1,1)模型当系统增长速度较快时可能出现较大误差的弱点,提出了等维新息GM(1,1)模型,对郑州市2010年、2015年、2020年的需水量进行了预测,得出需水量分别为66 560万、76 380万、90 561万m3.     

灰色遗传神经网络模型对居民年需水量预测

根据居民年生活用水的特点,提出一种灰色遗传神经网络组合模型。该模型首先通过遗传算法(GA)对λ取值进行选优,并运用灰色加权模型对年需水量进行一级预测,后通过BP模型对年需水量进行二级预测。以A市S区年居民生活年需水量为例,将2007~2013年生活年需水量作为原始数据并选择合适指标对2014年需水量进行预测。结果表明,组合模型相比灰色神经网络模型精度提高0.84个百分点,比GM(1,1)模型提高了3.08个百分点。     

城市需水量预测方法比较

为了提高城市需水量预测的精度,基于北京市2000—2011年的实际用水量数据,对比分析了BP神经网络预测模型、灰色GM(1,1)模型、非线性趋势模型和灰色-神经-趋势组合预测模型及其基于马尔科夫修正的各单项模型需水量预测结果。结果表明:组合预测模型优于各单项模型,基于马尔科夫修正的各模型优于各未修正预测模型。基于马尔科夫修正的灰色-神经-趋势组合预测模型预测精度最高、效果最好。