需水预测方法比较研究

以唐山市丰南区国民经济需水预测为研究背景,对自身趋势外推法、影响因素相关分析法、灰色模型法等需水预测方法进行了比较研究,从而探索各种预测方法的优缺点及适用范围。通过理论分析和实例验证,发现需水预测根据各种预测方法的适用范围和优缺点合理选用,将有利于减少预测工作量和保障预测精度。最后,总结了每种预测方法的数学模型、前提条件、优缺点及预测中的注意事项。     

城市需水的智能预测方法研究

选取对城市用水影响较大的因素作为预测指标,通过HP滤波分析其指标及用水量的趋势成分及波动成分。应用多元线性回归法对趋势性成分进行模拟,应用模糊神经网络对波动性成分进行网络训练,以获得城市需水的总预测值。以大连市1980~2000年用水及其相关因子为例建模,以2001~2007年指标对模型进行检验,预测了大连市2010、2020年的需水值,为城市水资源规划提供一定的理论支持。     

简述城市需水预测的分类和方法

根据城市的实际情况，需水一般按3个产业分别计算。第一产业需水包括种植业灌溉需水、鱼塘补水、林草需水以及畜牧业需水；第二产业包括工业和建筑业；第三产业由于统计资料难以收集，故在生活用水中综合考虑。生态和环境需水包括河道内需水和河道外需水。     

北京市城市需水预测研究

水资源短缺日益成为北京市城市发展的严重制约因素,水资源可持续利用已成为北京市的战略目标。采用基于统计规律的预测方法,对北京市的工业和生活需水建立了多种预测模型,并采用样本年和检验年分开的方法,对各模型的模拟精度和预测精度进行综合比较,选取综合精度较高的模型对北京市2014年的城市用水进行预测,最后对多种模型的预测结果进行优选和集成。采用的方法将社会经济和用水看作一个整体,能较好地总结历史规律,预测未来趋势,取得了较好的预测效果。     

需水预测方法浅谈

明晰水权是解决我国水资源问题的迫切要求，而水权的确立必须以水源优化配置为前提。目前，全国水资源综合规划已进入水资源配置的关键阶段，需水预测是水资源配置的基础。因此。研究需水预测技术，提出各方面能接受的合理的需水预测成果是十分必要的。     

基于组合预测法的城市需水预测

建立指数平滑和灰色模型组合预测模型,采用改进熵值法确定权重系数,并运用组合模型对宁波市进行了需水预测。以宁波市2001～2015年城市用水总量为基础数据,2016年城市用水总量作为测试数据,预测结果显示,组合预测模型的相对误差只有0.17%,低于指数平滑预测的1.71%和灰色模型预测的1.19%,组合预测模型进一步提高了单一预测模型的预测精度。     

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。     

河道生态环境需水研究方法比较

对近年来的河道生态环境需水研究方法进行了回顾和分析,包括水文学法、水力学法、水文—生物分析法、生境模拟法、综合法以及作者参与研究的环境功能设定法等。文章对这些方法的理论基础、优缺点、适用范围进行了重点研究和评述,并结合我国情况分析了其在国内的应用前景。认为水文学法、生境模拟法、综合法和环境功能设定法相对来说都较适合于我国研究,其中生境模拟法由于实施比较复杂,应用性受到一定的限制。     

需水预测方法及存在问题研究

水资源是支撑经济社会可持续发展的重要战略资源,需水预测对合理配置水资源、实现国民经济预期发展目标具有重要意义.本文回顾水资源供需预测的历史,研究已有的需水预测方法及其特点,在分析预测结果准确性的基础上,总结当前需水预测存在的问题,有针对性地指出未来需水预测方法的发展趋势.     

基于GRA-MEA-BP耦合模型的城市需水预测研究

针对城市需水量影响因子多、BP神经网络收敛速度慢、精度低、易陷入局部最优等问题,提出灰色关联分析、思维进化算法、BP神经网络三者耦合的改进预测模型,利用灰色关联分析(GRA)筛选需水量主要影响因子,采用全局搜索能力极强的思维进化算法(MEA)优化BP神经网络的权值和阈值,从而构建GRA-MEA-BP耦合需水预测模型,同时建立BP神经网络模型作为对比。实例应用结果表明,GRA-MEA-BP耦合模型具有更高的预测精度和预测速度,可作为一种有效的需水预测模型。     

两种需水预测影响因素分析方法的比较

针对利用BP人工神经网络进行城市需水预测建模前需要对众多影响因素进行筛选的问题,以广州市为例,利用SPSS软件相关分析和基于灰色关联度的相关分析方法分别进行求解。通过比较分析结果,采用SPSS分析方法的结果作为BP人工神经网络预测模型的输入,建立了基于SPSS相关分析的BP人工神经网络模型。由实例计算结果可以表明,该方法在城市需水预测问题上具有较高的精度。     

长治市需水预测研究

文中用人工神经网络预测模型对长治市近期国民经济发展对水的需求进行了预测。     

浅析长江流域需水预测

水资源短缺日益成为制约我国发展的严重因素,通过对长江流域2030年以前需水预测成果的研究,结合1980～2000年实际用水数据分析,对长江流域未来需水的增长趋势、结构、分布格局以及流域承载力、节水进行了初步预测,并对长江流域用水占全国比重趋势作出分析判断.流域内水量、人口、GDP均占全国1/3左右.因此,长江流域需水预测成果在当前全国水资源综合规划中举足轻重.     

泉州市城镇居民综合生活需水预测方法研究

本文采用定额法、趋势分析法、年均增长率法、回归分析法等需水预测常用的方法,对泉州市城镇居民综合生活用水进行预测分析,经多种预测结果比较得出泉州市2030年城镇居民综合生活需水量为8.62亿m 3。其中定额法、回归分析法预测结果较好,趋势分析法和年均增长率法更常用于经济社会发展指标的预测。随着中国城镇化水平不断推进,居民综合生活用水量的影响愈加多元化、横向化,建立多元回归预测分析模型来预测用水量是很好的选择,该研究可为其他城市预测规划水平年居民生活用水量提供借鉴。     

新疆需水预测分析

分析了新疆需水量预测的影响因素，提出了灰色系统理论并建立预测模型，有助于新疆采取合理的用水规划措施，减少成本开支，促进经济社会的可持续发展。     

黄河流域需水分层预测

为了提高需水预测精度,并为流域水资源分层配置提供基础,基于马斯洛需求层次理论提出了包括刚性、刚弹性和弹性需水的黄河流域需水分层预测方法。按照不同行业的用水特点进行层次划分,将农业需水按照口粮安全、消费需求进行划分,工业需水分为一般行业需水和高耗水行业需水,将流域外生态补水作为河道外生态刚弹性需水,河道内生态需水根据泥沙冲淤比划分。黄河流域需水分层预测结果表明,2030年黄河流域河道外需水量为534.62亿m~3,其中刚性、刚弹性和弹性需水占比分别为59.81%、33.62%和6.57%,比2017年增加139.01亿m~3,而人均用水量减少25 m~3,流域用水水平得到提高;农业节水量被用于工业等效益更高的行业,预测结果符合黄河流域1980—2017年用水规律和新时期"生态优先,水资源节约集约利用"的用水要求。     

城市用水量预测方法及应用比较研究

为了建立城市用水量预测方法模型库，本文总结了城市用水量的预测方法。详细介绍了时间序列分析法、解释性预测方法、灰色GM（1，1）以及用水定额法等几种代表性方法。指出每种方法的优缺点，城市用水量预测应根据实际情况选取预测方法。以郑州市为例，选取不同的方法进行预测及分析，结果表明郑州市2020年之前的用水量呈现非线性递增的趋势。     

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。     

城市需水预测模型研究

需水量预测是供水决策,水利投资数额的重要参考指数,在水资源规划与管理中起着重要的作用。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。