组合灰色预测模型在城市用水量预测中的应用

基于灰色预测理论,建立了残差灰色预测模型与等维递补预测模型两者相结合的组合灰色预测模型,可以对城市用水量进行预测。以青海省西宁市1998—2005年用水量作为建模数据,利用4种不同模型分别对2007年用水量进行预测。结果表明:组合灰色预测模型计算误差从基本模型的-2.06%下降到-0.34%,预测精度明显高于单一的灰色模型,具有预测精度高、简捷实用等特点。     

基于组合灰色模型的阿克苏市城市用水量预测

基于灰色预测理论,建立了残差灰色预测模型与等维递补预测模型两者相结合的组合灰色预测模型,可以对城市用水量进行预测。以新疆阿克苏市1990～2002年用水量作为建模数据,利用4种不同模型分别对2003～2005年用水量进行预测。结果表明:组合灰色预测模型预测精度明显高于单一的灰色模型,具有预测精度高、简捷实用等特点。     

ARIMA模型在人均生活用水量预测中的应用

随着生活用水量需求的日益增加,对于人均生活用水量的合理预测成为城市给水规划的关键。以上海市1949-2003年的人均生活用水量统计资料为依据,利用SPSS11．5软件的ARIMA模型功能对上海市短期人均生活用水量进行预测。该模型的缺点是只能对人均生活用水量数据做短期预测,对于长期预测,由于不确定性的增加,结果的偏差将有所增加。     

灰色残差修正模型在灌溉用水量预测中的应用

灌溉用水量的预测影响因素很多,属于灰色系统问题。用灰色GM(1,1)模型预测铁甲灌区灌溉用水量,因相对误差较大,对残差进行修正。修正后的模型明显优于原模型,使用3种方法进行精度检验,都能达到要求,说明残差修正模型预测铁甲灌区短期灌溉用水量是可行的。     

基于残差修正的GM(1,1)模型在农业用水量预测中的应用

灰色模型对农业用水量进行预测本身具有一定的局限,数据离散程度越大,灰度也越大,其预测精度也越差。文中采用残差修正．避免了数值过度波动。通过预测实例,结果表明改进后的灰色预测模型能有效提高预测精度。     

灰色新陈代谢模型在城市生活用水量预测中的应用

应用常规GM（1,1）模型和新陈代谢GM（1,1）模型对上海市生活用水量进行了预测。首先利用常规GM（1,1）模型对上海市生活用水量进行了建模,结果随时间序列延长,常规模型对未来的一些扰动因素无法准确把握导致精度逐渐降低。然后采用了新陈代谢GM（1,1）模型进行建模预测,并与常规GM（1,1）模型预测结果的精度进行了对比,结果显示：新陈代谢GM（1,1）模型预测精度达到94.56%,明显高于常规GM（1,1）模型精度。因此,新陈代谢模型能有效提高预测精度,可作为城市未来生活用水量的一种有效预测工具。     

灰色动态模型在工业用水量预测中的应用

灰色动态模型在工业取水量预测中避免缺乏资料和人为确定参数的不利条件，能有效提高预测结果的科学性和准确性。本文对济南市的厂矿企业增长和人民生活的提高，使城市用水量急剧增加的情况进行灰色动态模型群法预测，结果误差较小。进一步证明该模型的科学性和准确性。     

灰色模型在城市用水量预测中的应用

城市年用水量为城市建设规划以及供水管网改扩建提供依据.我国城市年用水量序列特点是记录时间短,记录数据少.针对我国城市年用水量数据序列的这种特点对其进行分析研究,利用灰色系统理论,建立预测年用水量GM(1,1)模型,并以湖州市年用水量数据为原始数据进行了实际预测,取得了较好的预测效果.     

组合模型在用水量预测中的应用

鉴于一个地区用水量的复杂性和非线性的特征,分别采用灰色预测模型、Logistic模型和龚帕茨模型预测成都市城市用水量.通过进行冗余检验,灰色预测模型是冗余方法,剔除冗余方法后,对Logistic模型和龚帕茨模型采用最小化方差的办法进行权重分配,建立了成都市用水量的组合预测模型.结果表明:与单项预测模型相比,组合模型的预测精度高,预测结果更加可靠.     

GM组合模型用于城市生活用水量预测

以天津市为例,采用GM组合模型预测城市生活用水量,力求提高预测的精度。首先,通过对往年城市用水特点的分析,运用多元逐步回归的方法和等维灰数递补动态模型对天津市城市生活用水量进行预测,预测的平均误差分别为7.59%和11.55%;然后,采用上述两种模型的GM组合模型对天津市城市生活用水量进行预测,预测的平均误差降低为5.06%。实践证明,GM组合模型适用于城市生活用水量的预测,精度令人满意。     

灰色残差模型与递补模型对比及在城市需水量预测中的应用

在传统灰色预测基础上,通过模型模拟的还原值与原始数据比较,取其差值,构建新数列模型代回原模型修正误差。灰色残差模型在模拟精度方面超过传统灰色方法,而且更能对外界因素的影响做出反应。通过对比和实践验证,灰色残差模型和递补模型都很好地弥补传统灰色模型的不足而且能更好地预测城市未来需水量。     

基于残差灰色-马尔可夫链的生活用水量预测研究

针对传统GM(1,1)模型在用水量预测方面对非增长序列预测精度差、出现过拟合等问题,采用结合马尔可夫链修正的残差灰色模型预测生活用水量。首先在传统灰色理论预测的基础上,建立了改进残差灰色预测模型:对残差绝对值建立灰色模型,再结合马尔可夫状态转移矩阵判断残差预测值在tn时的正负号,对灰色预测值进行修正。将模型运用于河南省2007—2018年生活用水量预测,结果表明,传统灰色预测模型与改进残差灰色预测模型的平均相对误差分别为4.14%、2.04%,改进残差灰色预测模型的精度等级为"良";同时,改进后模型的后验方差也小于传统模型。这表明改进模型比传统灰色预测模型有更高的精度,拥有更好的可靠性,可以为用水量预测提供新的方法。     

改进BP网络模型在年用水量预测中的应用

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,利用人工神经网络理论建立了改进BP网络预测模型,通过实例证明了该模型是一种行之有效的用水量预测模型。     

灰色模型和BP神经网络模型在城市时用水量预测中的应用比较

在城市时用水量预测模型中,灰色模型和BP神经网络模型是两个应用较为广泛的模型,是它们有着各自的优缺点,预测精度也不相同.本文以南方某市为例,基于两种模型的预测原理,利用MATLAB数学软件对该市的时用水量进行了预测,并对两个预测模型的预测结果进行了误差比较分析,得出了BP神经网络模型是适合该市的时用水量预测模型.     

人均生活用水量预测的区间S型模型

本文在大量分析国内外不同时期、不同地区均生活用水量变化规律的基础上,总结了影响人均生活用水量大小的主要因素,认为人均生活用水量与当地社会经济发展水平有一定联系,呈现S型曲线关系,并在一定区间范围内变化.根据这一认识,本文建立了具有普遍意义的人均生活用水量预测的区间s型模型,并介绍了应用原始数据通过最优拟合的方法选择的预测方程.该模型既能给出人均生活用水量变化区间,又能预测其大小.文末以一个实例说明这一模型在预测规划水平年人均生活用水量的应用过程.     

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。     

赋权指数平滑模型在城市日用水量预测中的应用

提出了一种新的用水量预测模型--赋权指数平滑模型,将其应用到城市日用水量预测中,预测结果具有很高的精度,平均绝对误差MAPE达到0.596%.比较发现赋权指数平滑模型得到的均方差与平均绝对误差均小于其他方法,进一步证实赋权指数平滑模型具有较高的预测精度,适用于日用水量的预测.     

多元线性回归模型在城市用水量预测中的应用

应用多元回归的方法,对城市用水量进行预测。采取向前选择变量法进行优选,得到相对最优的回归预测模型。该模型拟合情况良好,可以用来预测城市用水量。     

改进的GM（1,1）模型在西安市用水量预测中的应用

针对近年来西安市用水量变化的特点，采用改进的GM（1，1）模型用于水量预测，并与传统的GM（1，1）预测模型进行了比较。结果表明，改进的GM（1，1）模型可取得较好的预测结果。     

相关性分析-神经网络模型在宁夏用水量预测中的应用

为了提高用水量预测精度,并且掌握各行业用水量比例。提出了相关性分析和多层感知器神经网络(MLP)耦合模型预测行业用水量,该模型首先利用相关性分析的方法筛选出对行业用水量影响较大的因子,再将主要因子数据输入到神经网络模型预测出行业用水量。进一步以地处干旱区域的宁夏回族自治区为例,提取2002—2016年主要影响行业用水的因子训练预测模型,以此模型预测2017—2020年的用水量并检验预测精度;预测结果显示,总用水预测值与实际值的多年相对误差均值仅为1.00%。最后使用该耦合模型对宁夏规划水平年2025年行业用水量进行预测,预测结果表明2025年宁夏总用水量有下降的趋势,这种变化趋势与自治区近几年大力推进节水型社会建设的政策相符合。