基于最大Lyapunov指数的变形预测模式研究

变形危害巨大,变形监测与变形预测则成为必然,由于变形的过程受到地质、水文、地震和人类工程活动等因素的影响,可视为一种具有混沌特征的动力系统。故本文以混沌理论为基础,提出了基于最大Lyapunov指数的变形观测模式,并利用工程实例进行了分析研究。研究表明,变形监测时间序列中的最大Lyapunov指数均大于0,根据混沌理论,可判断变形序列存在混沌现象,同时预测的结果显示,基于混沌时间序列的最大Lyapunov指数法的预测具有较高的精度,故研究成果具有的一定的理论和应用价值,为变形预测提供了新途径。     

供热负荷时间序列混沌特性识别及区间预报研究

对供热负荷时间序列进行了混沌特性分析,计算得到了吸引子维数和最大Lyapunov指数.在最大Lyapunov指数点预报法的基础上,提出了最大Lyapunov指数区间预报法,并给出了最大预报时间尺度.仿真结果表明,该方法可取得较高的预报精度和较高可靠度的预报区间.     

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。     

深部岩体变形的混沌预测方法

论述深部岩体变形行为及其围岩稳定性分析中应用混沌方法;同时,根据岩体工程的观测位移时间序列,基于相空间重构,给出了最大Lyapunov特征指数的计算步骤,并给出了岩体位移时序的线性和非线性两种混沌预报模式。据此,建立了岩体工程位移观测数据的混沌预测方法。对玲珑金矿255m水平主运巷的塌陷情况进行了算例分析。首先,对于主运旧巷断面的收敛位移观测序列,采用插值方法对其进行了预处理,以获得等间隔的位移序列;然后,对该位移序列,利用上述混沌分析方法,获得其最大Lyapunov特征指数为0.05;分别采用近邻等距法和最大Lyapunov指数预报模式,对位移序列进行了预测。与观测位移相比较,位移预测结果比较理想。     

基于混沌时序预测方法的冲击地压预测研究

冲击地压的预测研究通常是通过监测对冲击地压的发生、发展过程比较敏感的指标来进行的，监测指标值的大小和变化规律是进行预测的基础，监测数据在未来一定时期的峰值变化和走势变化规律对于预测过程具有重要意义。首先，通过对互信息和伪邻近点数的计算，确定观测序列的延迟时间和嵌入维数等相空间重构参数；然后，在对观测序列相空间重构的基础上，运用一阶局域近似法和基于最大Lyapunov指数法等混沌预测方法对冲击地压上作面的观测时间序列进行数学建模，并与传统的数理统计预测方法进行对比分析；最后，用实例对冲击危险区域的电磁辐射序列及顶板下沉速度序列等进行预测运算和分析，其结果表明，运用混沌理论的预测方法可达到较高的预测精度。     

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Lyapunov指数改进算法的边坡位移预测

给出了一种最大Lyapunov指数的改进算法,这种改进算法不仅对小数据序列可靠,而且计算量小,相对容易操作。通过对边坡位移历史数据序列进行特征分析,计算出最大Lyapunov指数,并利用最大yapunov指数的一维模式进行边坡位移预测。这种改进的方法比已有的研究方法更可靠,而且操作起来比较方便。通过对三峡升船机高边坡和新滩滑坡实际位移数据进行预测,结果令人满意。     

利用BP网络建立预测城市用水量模型

利用神经网络法对城市用水量建立了具有时间序列的预测模型,并提出了基于该模型的数据处理方法,并结合某城市给水系统进行了用水量负荷预测,预测结果和实际情况有很好的一致性。     

混沌理论在水质预警系统中的应用

针对原水水质预警系统的发展现状和混沌理论概念,分析讨论了混沌理论应用于水质预警系统的可行性,并利用混沌理论中的Lyapunov指数法对国内某水厂在线监测指标的周平均值进行了预测,结果表明,混沌理论预测在未来原水水质预警系统中具有良好的应用前景.     

软岩巷道变形的混沌研究

试验得出了软质页岩最大屈服应变,对软岩巷道变形进行了监测,用混沌理论研究了软岩巷道变形规律.根据监测数据,分别计算了巷道顶部和侧帮变形的分形维数和最大Lyapunov指数,并用Lyapunov指数法预测了软岩巷道的后期变形.研究结果表明:软岩变形具有混沌特性,混沌理论能较好地反映软岩巷道的变形与破坏特征;用重构相空间方法,能充分揭示软岩巷道变形与能量释放规律,据此可确定二次复喷时间;软岩巷道变形在相空间相邻点的距离以指数形式发展,当岩体变形达到最大屈服应变时便产生破坏,以此便可预测和分析巷道的稳定性.     

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。     

Using extreme learning machines for short-term urban water demand forecasting

This study explores the ability of various machine learning methods to improve the accuracy of urban water demand forecasting for the city of Montreal (Canada). Artificial Neural Network (ANN), Support Vector Regression (SVR) and Extreme Learning Machine (ELM) models, in addition to a traditional model (Multiple linear regression, MLR) were developed to forecast urban water demand at lead times of 1 and 3 days. The use of models based on ELM in water demand forecasting has not previously been explored in much detail. Models were based on different combinations of the main input variables (e.g., daily maximum temperature, daily total precipitation and daily water demand), for which data were available for Montreal, Canada between 1999 and 2010. Based on the squared coefficient of determination, the root mean square error and an examination of the residuals, ELM models provided greater accuracy than MLR, ANN or SVR models in forecasting Montreal urban water demand for 1 day and 3 days ahead, and can be considered a promising method for short-term urban water demand forecasting.     

城市用水量预测管理系统的开发与应用

介绍了城市用水量预测管理系统的结构设计及系统功能，总结了城市用水量预测管理系统在算法和程序编制上的特点，以进一步提高城市用水量的预测管理水平。     

Daily urban water supply modeling and forecasting based on the elliptic orbit model with weekly quasi-periodic extension

ABSTRACT

Modeling and forecasting for various time horizons of urban water supply are important for different operations within a utility company. This study proposes the ‘elliptic orbit model’ for daily urban water supply prediction from the viewpoint of time-series analysis. As additional efforts and costs are required to acquire and predict more different forecast variables, it is argued that many studies failed to carefully check whether such efforts and costs were deserved and to what degree they might ameliorate the prediction accuracy. Thus predictive modeling based on available water supply data has its own advantages. Only the water-supply time-sequence data is used and mapped into the polar coordinates to design the proposed ‘elliptic orbit model’, so the purpose of this study is to present one vivid approach for forecasting daily urban water supply in an intuitive and concise way. The proposed model archives satisfying experimental results and may inspire other applications.     

人工神经网络模型在应对城市内涝中的应用

现在城市排水系统的规划和运营管理一般不考虑城市下游受纳水体变化的影响,这也是国内城市内涝频发的原因之一。目前,越来越多的城市应用模型来应对城市内涝,模型中受纳水体的水位一直以来都是利用经验设定一个恒定值。本文利用ANN(人工神经网络)技术,以城市上游观测站的实测水位为输入,以城市未来某时段的水位为目标选择合理的参数,建立了预测河流水位模型。利用更准确的动态预测值代替恒定值,可以提高城市排水系统水力模型的精度。选择某地区水位站的资料,对预报模型进行了检验,结果表明,在合理选择输入层数据和预测时间段的条件下,可以取得很好的预报结果。     

城市供水管网漏损时间的预测模型研究

城市供水企业迫切需要加强给水管网的漏损管理，以减少漏损水量和提高经济效益。在对华北某市供水管网漏损数据进行统计和分析的基础上，按照管段实际发生漏损次数分两种情况建立了供水管网漏损时间的预测模型，对漏损次数≤4次的管段采用基于SAS系统的多元线性回归方法，对漏损次数〉4次的管段则采用灰色预测方法。经实例验证，多元线性回归方法预测的平均相对误差为21％，灰色预测方法预测的平均相对误差〈6％，整套模型的精度可满足城市供水管网漏损宏观管理的需要，能够提高管网漏损防治的效率。     

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。     

混沌局域法与神经网络组合供水量预测

城市供水量是非线性、非平稳时间序列,组合预测模型能获得更高精度预测结果。通过深入分析混沌局域法与神经网络预测模型特点,提出了一种新的组合预测模型。首先,应用混沌局域法对城市日供水量进行初预测,然后,应用神经网络对预测结果进行修正。由于所提出的组合模型利用了混沌局域法及神经网络进行优势互补,能同时提高预测精度与计算效率。为验证所提出组合预测模型的可行性,采用某市7a实测供水量数据,对混沌局域法、BPNN、RBF及GRNN神经网络4种单一预测模型及相应的3种组合模型预测精度进行定量分析,结果表明,组合预测模型精度都高于对应单一预测模型,混沌局域法与GRNN神经网络组合模型预测精度最高,且运算时间远低于单一神经网络模型运算时间。     

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。     

气象因素对城市燃气日用气量的影响

气象是城市燃气日用气量的重要影响因素.本文以我国华北某城市为例,分析了温度、湿度、风速、云量等气象因子对城市燃气日用量的影响作用,通过相关分析和因子舍选,最终确定日平均温度、日平均相对湿度、日照时数为城市燃气日用气量的关键影响因素,该研究对于城市燃气用气规律分析和负荷预测工作具有指导意义.