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。     

城市年用水量的分类预测探析

在对某市年用水量随机时间序列原始数据进行预处理的基础上,发现该市年生活用水量的一次累加时间序列数据具有明显的线性趋势;工业年用水量一次累加用水时间序列服从一元多项式。将该市年总用水量分为工业、生活、其他三类进行分类预测,分别用一次累加乘幂指数预测、一次累加一元多项式预测对该市生活和工业年用水量进行了预测,复相关系数达0.99。为便于分析比较,对该市年总用水量预测上采用对年用水量预测效果较好的灰色预测模型进行了预测。结果表明:分类用水量预测比总体用水量预测具有精度高,结果稳定的特点,可用于该市的年用水量预测。     

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。     

城市年用水量的分类预测探析

在对某市年用水量随机时间序列原始数据进行预处理的基础上,发现年生活用水量的一次累加时间序列数据具有明显的线性趋势.分别用一次累加乘冪指数和一次累加一元多项式对该市工业和生活年用水量进行了预测,复相关系数达0.99.为便于分析比较,采用对年用水量效果较好的灰色预测模型进行了年总用水量预测.结果表明:分类用水量预测比总体用水量预测具有精度高,结果稳定的特点,可用于年用水量预测.     

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。     

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.     

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。     

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。     

Improved Water Level Forecasting Performance by Using Optimal Steepness Coefficients in an Artificial Neural Network

Developing water level forecasting models is essential in water resources management and flood prediction. Accurate water level forecasting helps achieve efficient and optimum use of water resources and minimize flooding damages. The artificial neural network (ANN) is a computing model that has been successfully tested in many forecasting studies, including river flow. Improving the ANN computational approach could help produce accurate forecasting results. Most studies conducted to date have used a sigmoid function in a multi-layer perceptron neural network as the basis of the ANN; however, they have not considered the effect of sigmoid steepness on the forecasting results. In this study, the effectiveness of the steepness coefficient (SC) in the sigmoid function of an ANN model designed to test the accuracy of 1-day water level forecasts was investigated. The performance of data training and data validation were evaluated using the statistical index efficiency coefficient and root mean square error. The weight initialization was fixed at 0.5 in the ANN so that even comparisons could be made between models. Three hundred rounds of data training were conducted using five ANN architectures, six datasets and 10 steepness coefficients. The results showed that the optimal SC improved the forecasting accuracy of the ANN data training and data validation when compared with the standard SC. Importantly, the performance of ANN data training improved significantly with utilization of the optimal SC.     

基于组合模型的石羊河流域农业用水量预测

为了提高农业用水量模型的精度,以1997—2004年农业用水量数据为依据,建立了石羊河流域农业用水量的灰色GM(1,1)预测模型、三次指数平滑预测模型以及组合模型,并用2005—2007年的农业用水量数据进行检验。结果表明:组合模型的平均误差仅为0.27%,而单一的灰色GM(1,1)预测模型和三次指数平滑预测模型的平均误差分别为1.50%和0.54%。采用组合预测模型,对石羊河流域2008—2010年的农业用水量进行预测,结果分别为23.552亿、23.639亿、23.738亿m3。     

西安市时用水量预测模型研究

分析了给水系统时用水量的变化特征,利用自回归分析的方法,识别时用水量序列的数据模式.在此基础上对常用的预测模型进行了优选,利用指数平滑模型和季节性指数平滑模型对西安市给水系统的时用水量进行了预测.结果表明,模型预测精度较高,可操作性强.     

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。     

非弃水期葛洲坝水电站下游水位变化过程预测新方法

由于现有的水电站下游水位预测方法计算误差较大,选择葛洲坝水电站为研究对象,提出一种新的电站在不弃水情况下的下游水位变化过程预测方法。该方法基于BP神经网络算法,利用水电站监控数据实现电站下游水位的高精度预测,满足电站实时调度需求。对比现有的水位流量曲线查值法和非恒定流经验公式法,该方法有如下优势:①无需采用出库流量进行预测,避免了流量计算误差的影响;②建模过程中考虑了下游水位变化"后效性"影响,大幅提升水电站调峰时的预测精度;③可直接计算下游水位变化过程,计算结果稳定,精度更高,尤其在非弃水期葛洲坝水电站大调峰工况下,预测精度明显提高。     

基于一次累加法的城市年需水量预测

基于年需水量原始时间序列具有非线性随机变化的特点，而一次累加法具有削弱时间序列随机性、增加时间序列规律性、便于回归函数拟合的特点，该文提出了一次累加回归分析法在城市年需水量预测中的应用。实例表明，一次累加建模方法具有精度高，预测结果可靠，可用于城市年需水量预测。     

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。     

包头市市区居民生活用水量预测分析

用水量预测对区域水资源规划、利用和管理提供重要依据.运用灰色关联度分析法分析包头市市区居民生活用水量影响因素的基础上,分别建立多元线性回归模型、灰色GM(1,1)模型及灰色线性组合模型对该地区2009年和2010年的生活用水量进行预测分析,同时比较了三个模型的预测精度.结果表明:城市居民生活用水量与城市用水人口、人均居住面积和水价的关联度较高;2009年和2010年用水量的预测采用组合灰色模型精度最高,相对误差分别为13.6％％和6.5％,均方根相对误差为10.7％.组合预测模型的预测精度明显优于单一模型,使结果更加准确、合理,符合实际情况.