基于主成分分析的BP神经网络在延安市需水预测中的应用

利用延安市1990～2010年的需水量数据,采用主成分分析法对影响水资源需求量的10个因子进行了分析.结果表明:GDP、降雨量、居民生活用水量及生态环境用水量4个因子为影响需水量的主要因子,将此作为主要因子构造BP神经网络的输入样本,建立延安市需水量预测模型.模拟结果与实际值相吻合,并利用模型对2015年需水量进行了预测.     

主成分回归在需水预测中的应用

城市需水量的准确预测对区域的发展具有十分重要的意义。城市需水受多重因素的影响,且这些因素大多存在较强的相关性。通过主成分分析法的计算分析,以金华市为例,采用2000-2010年的城市用水资料建立回归模型对需水量进行预测。结果表明:该模型应用于城市用水预测,其结果与当地实际情况较为吻合,模型的拟合程度和预测准确度较好。     

基于耦合主成分法的小波网络模型城市需水预测

为了尽可能准确预测城市未来的需水量,以上海市为例,对年用水量的9个相关因子进行主成分分析,得到两个综合因子。将两综合因子与用水量的历史数据一起作为输入项,建立一种小波网络模型,以1980～2005年的数据为训练样本,采用引入了附加动量项和自适应学习率的BP算法进行模型率定,并以2006～2008年的数据对模型进行了检验。结果表明:所建模型结构简洁,收敛速度与预测精度均较为理想,在城市需水预测中有着广阔的应用前景。而如何选择最佳隐层数和隐层节点数以及获得更快的收敛速度仍将是今后研究的重点问题     

基于主成分分析的BP神经网络对南京市水资源需求量预测

以南京市为例,利用1999-2010年的总用水量数据,采用主成分分析法对影响水资源需求量的9个因子进行主要影响因子分析,根据确定的主要影响因子构造BP神经网络的输入样本,从而进行不同水平的年总需水量预测.结果表明:人口、GDP、万元GDP用水量、人均水资源量、污水年排放量为影响研究区需水量的主要因子,将此作为主要因子构造BP神经网络的输入样本,确定网络输入节点数,建立南京市总需水量预测模型.模拟计算结果表明,基于主成分分析的BP神经网络模型,预测结果的平均误差小于0.2亿m3.     

基于相空间重构原理的遗传神经网络模型在城市需水预测中的应用

针对多元变量需水预测模型中变量之间普遍存在多重共线性问题以及BP神经网络收敛速度慢、易陷入局部极值等缺点,将相空间重构原理及遗传算法(GA)引入BP神经网络需水预测模型中,提出基于相空间重构原理的GA-BP城市需水预测模型,并对上海市需水预测进行实例分析。实例分析结果表明:GA-BP模型对上海市2005—2009年的年用水量预测平均相对误差绝对值和最大相对误差绝对值分别为1.4344%和2.7672%,对2010—2011年的年需水量预测相对误差分别为0.5136%和0.0270%,精度均优于BP神经网络预测模型;基于相空间重构原理的GA-BP需水预测模型具有较好的预测精度和泛化能力,是提高需水预测精度和泛化能力的有效方法。     

基于主成分回归分析的需水预测研究

水资源是城市发展的动力,需水量准确预测对城市可持续发展具有重要意义。需水量受多重因素影响,单一使用多重线性回归难以保证预测的准确性和科学性。根据南京市2005—2014年7个经济、社会发展相关指标,利用主成分回归分析建立模型使用原始变量对用水量进行预测。结果表明,应用主成分回归模型进行需水预测,比多重线性回归模型精度高,也较好地拟合了实际用水量。     

加权平均集成神经网络模型在城市需水预测中的应用

针对单一神经网络模型预测误差波动大、精度不高等问题,提出基于SVM、BP和Elman神经网络基本模型的加权平均集成需水预测模型。首先,利用相关分析和ADF单位根检验,选取需水预测主要影响因子。为避免模型过度拟合,引入虚拟维,并针对BP、Elman神经网络标准算法收敛速度慢、易陷入局部极值的不足,采用自适应动量算法改进BP和Elman神经网络标准算法,依次构建SVM、BP和Elman需水预测单一模型,并对上海市2002—2011年需水量进行预测;最后,基于加权平均方法对各单一模型预测结果进行综合集成。结果表明:利用加权平均集成模型对上海市2002—2011年需水量进行预测的平均相对误差绝对值为1.8004％,最大相对误差绝对值为3.6995％,精度和泛化能力均大幅优于各单一模型。说明本研究建立的加权平均集成模型用于需水预测是合理可行和有效的,它综合了各单一模型的优点,有效避免了单一模型预测误差过大和不稳定的缺点,具有预测精度高、泛化能力强、误差变化幅度不大等特点。     

基于PCA-RBF神经网络模型的城市用水量预测

针对城市用水量影响因素众多、关联性较强以及BP神经网络收敛速度慢、易陷入局部极小值等问题,采用组合主成分分析(PCA)与RBF神经网络的方法预测城市用水量。利用主成分分析对用水量影响因素进行降维,消除多重共线性,选取能够替代原用水量影响因素的前三个主成分作为输入因子,选用学习和收敛速度快、模式识别能力强的RBF神经网络进行预测。研究结果表明,该模型的相对误差平均值在训练和预测阶段均最小,分别为0.165 4%和0.677 5%,学习和预测能力均优于RBF和BP神经网络模型,提高了收敛速度和预测精度;主成分数量从3个增加到5个,信息量累积贡献率从93.09%增加到98.37%,平均相对误差从0.250 7%降至0.206 0%,预测精度略有提高。对2015—2020年枣庄市用水量进行预测,总用水量先有小幅上升,后又下降,呈现"倒U型"增长。该模型对城市区域水资源规划具有参考价值。     

基于BP神经网络的区域需水预测

本文基于BP神经网络L-M的改进算法,建立人工神经网络区域需水预测模型,选取GDP、人口、粮食作为区域需水预测因子,将BP神经网络模型应用到文山州区域需水预测中,并运用MATLAB神经网络工具箱进行模拟计算.     

BP神经网络方法在灌区需水预测中的应用

以江西省廖坊水利枢纽工程灌区为例,通过查阅年鉴、现场调查和专家咨询确定影响需水量的主要因子,根据确定的主要影响因子构造BP神经网络的输入样本,采用Matlab软件平台编程,建立灌区需水模型.利用建立的模型预测2025年灌区的需水量,并与其他方法的预测成果进行比较.结果表明,BP神经网络方法在廖坊水利枢纽工程灌区需水量预测的应用上是成功的.     

基于主成分分析与BP神经网络模型的大坝渗流监测资料分析

大坝渗流观测资料分析中,各因子间常存在不同程度的相关性,这种相关性有时会对分析效果产生较大的影响,另外,通常的回归模型为线性模型,难以精确反映一般为非线性函数的因变量的变化规律。针对上述问题,本文将主成分分析和神经网络相结合,建立大坝渗流观测数据的主成分神经网络模型,经实例计算,该模型的预报精度较高。     

基于集对分析的区域需水量组合预测模型

在建立区域需水量预测的多元回归、神经网络和灰色系统模型的基础上,提出基于集对分析的区域需水量组合预测模型(SPA-CF),从同、异、反3个方面对各单个预测模型的预测精度进行定性和定量的综合分析,合理确定各单个预测模型的权重。应用结果表明,SPA-CF是一种直观、简便、通用的组合预测新模型,在区域需水量预测中具有推广应用价值。     

基于灰色模型的城市需水量预测

用灰色模型对四川省资阳市2010、2015、2020年的需水量进行了预测,得出需水量分别为2 282.0、2 834.6、3 235.3万m3。对预测结果的精度校验表明,模型的预测精度等级为一级。     

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。     

基于遗传算法的城市用水量灰色预测模型研究——以秦皇岛市引青济秦工程为例

通过数据分析,结合传统灰色GM(1,1)模型的特点,基于遗传算法与新陈代谢思想提出了改进的GM(1,1,λ)模型。结果表明:GM(1,1)模型对分散数据预测精度较低,其精度等级为四级以下,最大相对误差大于45%,预测值逐年上升,与实际情况不符。而改进的GM(1,1,λ)模型的精度等级为三级,最大相对误差为18.716%,更好地反映了城市用水量的变化趋势,与观测数据最为接近,预测精度较高。     

基于多智能体的城镇家庭用水量模拟预测分析

提出了基于多智能体的城镇家庭用水量模拟模型(MA-UHWDS),通过构造不同发展情景,对家庭用水量变化趋势及其影响因素进行了分析。以青岛市为实证城市,采用2003—2012年统计资料,计算分析了居民用水边际消费倾向、基本用水需求和不同收入户人均用水量,并对不同情景下2013—2022年各类收入户人均用水量和城镇家庭用水总量进行了定量模拟预测分析。结果表明:2003—2012年中,城镇家庭平均水费支出占总消费支出的比重仅为0.395%,易造成居民节水意识淡薄,最低收入户人均用水量除2008年外均低于基本需水量,而最高收入户平均超过基本需水量14.16 m3,水价改革需综合考虑低收入家庭的支付能力和高收入家庭的过度用水;2022年7类收入户在水价高增长收入低增长情景下的人均用水量与在水价低增长收入高增长情景相比下,分别减少了16.7%、18.4%、18.1%、16.1%、15.0%、17.8%和13.8%,水价和收入会明显影响家庭用水量。MA-UHWDS为区域用水总量调控提供了新的研究思路和工具。     

基于区域经济层次的城市需水预测模型研究

针对现有需水量预测方法存在局限性等问题,结合经济社会发展状况和水资源的特点,建立了基于研究区域经济层次的交互式城市需水预测模型。该模型能够较好地体现出社会经济、生态、环境和水资源各个系统之间的复杂关系。模型分为经济总量预测、经济结构预测、用水定额预测和需水量预测四个子模块。将模型在乌鲁木齐市水资源综合规划中应用,效果很好。模型具有实用性强、适应性强等特点,适宜推广。