模糊多项式预测在城市需水量预测中的应用

阐述了简单的模糊多项式预测理论,并建立城市需水量预测模型。通过模型对已有数据的南京市需水量进行的预测,来验证模型的可行性,得出预测值与真实值的相对误差在允许的范围内,即可用于南京市的需水量预测。并对南京市2010、2020及2030年的城市需水量进行预测,预测的结果可为南京市水资源规划和优化调度提供重要依据。     

基于灰色理论的区域需水量预测研究

针对区域水资源可持续开发利用研究中未来年份区域需水量估计预测问题,建立了基于灰色理论的区域水资源需水量预测模型.奎屯市需水量预测值与实际值对比分析,及数理统计检验中的后验差检验结果表明,该模型可用于区域水资源需求量预测.     

基于ARIMA与ANN组合模型的需水量预测方法研究

需水量预测影响因素较多,具有线性和非线性特征。本文为了提高预测精度,提出基于ARIMA与ANN组合模型的需水量预测方法 ,利用ARIMA模型良好的线性拟合能力和ANN模型强大的非线性关系映射能力,把需水量时间序列看成由线性自相关结构和非线性结构组成,采用ARIMA模型预测需水量序列的线性部分,用ANN模型对其非线性残差部分进行预测,再将二者预测值进行组合预测。通过实例研究,组合模型预测精度更高,是需水量预测的一种有效方法。     

基于灰色理论与广义回归神经网络的澳门水资源需求研究

基于广义回归神经网络(GRNN)模型探究了澳门需水量的主要影响因素,同时基于灰色理论GM(1,1)模型研究了澳门需水量趋势。结果表明,影响澳门需水量的主要因素为:月收入中位数、人口数、本地生产总值,将这三个因素作为GRNN模型的输入时,模型的标准均方根误差为4.59%,预测结果与实际用水量的相关系数达到96.6%;基于灰色理论GM(1,1)模型的预测值与实际用水量的相对误差在6%以内,预计到2020年澳门需水量将达到1亿m3。     

袁北灌区续建配套与节水改造项目水资源供需平衡分析

文章对袁北灌区续建配套与节水改造项目实施后的需来量与可供水量进行了详细的统计计算。对灌区的农业需水量、生活需水量、工业需水量以及河道流生态需水量进行了分析计算,将灌区各灌溉片农业、生活、工业及河流生态需水累加求得灌区各灌溉片总需水量;对灌区各水源工程来水进行分析,扣除蒸发、渗漏和生态用水后得到最大可取用水量,通过对灌区各水源工程进行水量供需平衡分析可知,各灌溉片通过水资源优化配置,水量供需基本能达到平衡;最后经过对灌区规划年水资源供需平衡分析得出结论：经灌区蓄水工程调蓄,灌区来水能满足规划年保证率85%下灌区34.68万亩设计灌溉面积的供水需求。     

作物需水量与灌溉制度模拟

从作物需水量的基本概念出发，以水量平衡原理为基础，建立了模拟农田根层土壤水循环的计算机模型-ISAREG.这一模型具有多种功能，可模拟根层土壤水分变化，评价给定的灌溉制度，计算作物需水量和灌溉需水量，也可用以制订多种供水限制条件下的优化灌溉制度．用望都灌溉试验站的小麦、玉米、棉花3种作物两年的试验观测资料对上述模型进行了验证．     

黄河下游灌区引黄灌溉需水预测关键技术分析

根据水量平衡原理,建立了黄河下游灌区引黄灌溉需水量中期预测方法。分析了引黄灌溉需水预测基本原理,阐述了作物需水量、有效降水量、斗渠以下灌溉水利用系数、引黄灌溉需水量分离等引黄灌溉需水预测的关键参数和方法。作物需水量可采用修订的Valiantzas方程进行预测;有效降水量预测可采用美国垦务局推荐方法;斗渠以下灌溉水利用系数可采用该系数与末级渠道灌溉控制单元至支渠分水口的距离、渠道衬砌率等的线性方程估算;引黄灌溉需水量的分离可采用高精度遥感技术确定引黄灌溉面积,并通过本文提出的计算方法,从灌区供水水源中分离出引黄供水需求量。上述关键技术问题的研究可以为黄河下游农业用水需求预测提供技术支持。     

基于灰色系统理论的几种需水量预测方法分析

在灰色系统理论下,运用几种方法弱化原始需水量数据,并进行对比分析。分析表明二阶弱化算子修正与累加生成相结合的方法精度较高,最终验证了该模型应用于重庆市北碚区需水量预测的可行性及有效性,预测2015年北碚区需水量为2.45亿m_³,2020年北碚区需水量为2.69亿m_³。     

与GDP相关的生活需水量预测模型

在目前生活需水量多种预测方法中,往往回避将经济发展指标作为直接影响因素。本文用传统的预测方法,先对生活必需水量加以预测,然后单独考虑GDP对生活需水量的影响,建立了与GDP相关的生活需水量预测模型。用该模型对西安和北京两地的生活需水量进行预测,结果表明该模型进行生活需水量预测是可行的。     

基于Shapley值的西安市生活需水量组合预测研究

利用等维灰数递补法、非线性回归、广义回归神经网络等3种方法进行了西安市生活需水量预测,比较了不同方法的预测误差,然后根据各种方法对总预测值的信息贡献能力形成Shapley值组合需水量预测方法,计算了不同预测方法的Shapley值及其组合权重,形成组合预测需水量模型。预测结果表明:组合方法误差曲线平缓、平均误差值较小,具有一定的预测精度,适用于需水量的中短期预测。     

基于灰色GM(1，1)模型的农田灌溉需水量预测

介绍灰色理论建模原理和模型参数辨识方法,并以实例(长治市1997~2004年灌溉用水资料)建立了灰色GM(1,1)预测模型,运用残差检验、后验差检验以及关联度检验3种方法对模型进行了精度检验,其模型的拟合精度达95.3%。用所建立的模型对长治市2005~2012年农灌需水量进行了外推预测。预测结果表明,该灰色模型用于农灌需水量预测,符合其灰色特性,通用性好,并且所需数据少,计算量适中,预测结果与当地实际情况比较吻合。     

基于随机森林模型的需水预测模型及其应用

为解决需水预测模型精度问题,尝试基于随机森林模型的分类和回归功能构建需水预测模型。以苏州市需水量预测为研究实例,首先应用随机森林模型的分类功能将需水预测因子分类,经计算发现第一产业比例、人口、灌溉面积、万元产值用水量和国民经济生产总值为最重要的解释变量。在此基础上,用随机森林模型的回归功能对需水进行预测,同时采用相同的训练数据建立基于BP神经网络和RBF神经网络的需水预测模型,通过对比3个模型的预测结果,发现随机森林模型能有效预测需水量,且精度较高。     

Water Balance within Intensively Cultivated Alluvial Plain in an Arid Environment

The Tuoshigan–Kumalake River alluvial plain is an oasis located in the Tarim River Basin of Xinjiang, China. Large water consumption reduces the discharge and jeopardizes the ecosystem of the lower reaches of the Tarim River. Therefore a recent regulation is enacted to limit water use in the plain. The objective of this paper is to investigate the hydrological cycle inside an intensively cultivated plain at upstream Tarim River. A conceptual water balance methodology was used for evaluating groundwater movement among riverway, irrigation ditches, irrigation area and non-irrigation area, based on the recorded water diversion. Results show that both irrigation area and non-irrigation area are supported by the water from river way in hyper-arid environment. Irrigation area is supported by surface water through canal system and non-irrigation area is supported by groundwater from canal loss and irrigation area. Nearly half of the water in the non-irrigation area comes from the irrigation area in the form of groundwater. This indicates that water supply of natural plants relies on the water from agricultural ecosystem. Tight water connection between irrigation area and non-irrigation area suggests that natural ecosystem needs to be considered in agricultural management in arid environment.     

基于主要驱动因子筛选法和深度学习算法的浙江省动态需水量预测

收集了浙江省2000—2020年各用水行业需水量数据,采用基于Spearman秩相关分析的主要驱动因子筛选法筛选了影响各行业需水量的主要驱动因子,进而构造了改进的长短时记忆(LSTM)神经网络需水量预测模型,对各行业需水量进行动态滚动预测,并将改进LSTM模型的预测结果与传统单变量LSTM预测模型、卷积神经网络模型、支持向量回归模型的预测结果进行了对比。结果表明,基于主要驱动因子筛选法改进的LSTM模型能实时动态滚动预测各行业每年需水量,且预测结果精度高于其他3种模型。     

哈尼梯田灌区生态需水评价

针对云南省元阳县哈尼梯田灌区特点与实际情况,选用层次分析法和数据包络分析法,综合考虑自然、社会、水资源、生态环境等方面因素,建立生态需水评价模型,对灌区2000年和2005年的生态需水状况进行对比分析。结果表明,生物丰度指数、径流系数、植被覆盖指数、干旱指数4个指标为影响生态需水的重要指标,灌区2005年的生态需水状况比2000年有所改善,与灌区实际情况基本相符。     

黑河流域土壤墒情预报模型

针对黑河流域水资源匮乏问题,考虑了流域下垫面因素、气象因素以及实时灌溉的空间分布对土壤墒情的影响,为满足流域水资源实时调度模型系统的需求,建立了适合于该流域的土壤墒情预报模型;利用该模型对黑河流域2001年研究区内各计算单元不同作物的净灌溉定额和需水量进行计算,并与传统方法计算的需水量比较来检验模型的可行性。在黑河流域水资源实时调度需水计算中进行了初步应用,结果表明该模型能满足流域水资源实时调度的需要。     

基于SHAW模型的河套灌区秋浇渠系优化配水模型研究

河套秋浇是为满足来年春播作物水盐需求而进行的保墒淋盐灌溉。针对传统基于作物需水预测成果进行渠系配水存在的预报依赖性强和中长期预报精度低问题,本文提出了一种不需要作物需水预测成果的渠系优化配水模型框架,该框架依据春播初期作物水盐要求,将SHAW模型嵌入优化配水模型,确定秋浇配水计划。河套灌区永济灌域2016年秋浇配水计划编制实例研究表明:与传统基于需水预测的配水方法相比,新方法得到的配水计划可以在不增加渠首引水量及渠道输水损失总量基础上显著提升淋盐效果,使春播初期0～40 cm土层水盐状态更加适宜于作物播种,春播初期土壤0～40 cm土层平均盐分超标由60%以上降低至5%以下,同时配水公平性也得到提升。     

基于主成分分析的GA-BP模型在城市需水预测中的应用研究

针对城市需水预测模型中需水量影响因子多、影响因子之间普遍存在多重共线问题,以及BP神经网络收敛速度慢、易陷入局部最优等缺点,提出一种由主成分分析、遗传算法及BP神经网络三者相结合的改进预测模型。以泰州市为实例,建立以主成分分析筛选需水量主要影响因子,遗传算法优化BP网络连接权值和阈值的需水预测模型,预测结果与BP神经网络预测模型预测结果做对比。结果表明:改进预测模型对泰州市2003-2014年需水量预测的平均相对误差为0.564%,最大相对误差为1.681%,精度优于BP神经网络预测模型;改进预测模型预测值与实际泰州市需水量吻合良好且训练速度更快、预测精度更高,可作为需水预测的一种有效方法。     

RBF神经网络在阿拉尔垦区需水预测中的应用

利用RBF神经网络,建立了阿拉尔垦区需水量预测模型。选取农业用水灌溉定额、工业用水重复利用率、城镇生活人均日需水量、农村生活人均日需水量作为模型输入,农业、工业、城镇生活、农村生活需水量作为输出。将2001—2007年用水量数据作为训练样本,用2008—2009年用水量数据对模型进行检验。在农业、工业、城镇生活、农村生活4类需水量中,2009年工业需水量预测的相对误差最大,为-16.24%,总需水量的最大误差仅为1.80%,取得了较满意的结果,表明RBF神经网络模型用于该区需水量预测是可行的。     

考虑水质与水价影响的城市再生水需求研究

再生水是城市的“第二水源”,加强再生水配置利用对优化供水结构、增加水资源供给、缓解水量供需矛盾以及保障水生态安全具有重要意义。科学预测城市再生水需求是提高污水资源化利用水平的重要基础。在区域水资源需求分析基础上,充分考虑工业生产、城市杂用、河道补水、农林灌溉等4大领域的水量和水质需求特点,提出考虑水质与水价的分领域再生水需求预测技术框架。首先考虑水质影响,引入再生水可替代率指标,分析水资源需求总量中可由再生水供给的水量;其次,考虑自主定价模式下再生水价格对用户需求的影响,建立“补贴-价格-需求”模型,计算不同补贴情景下区域再生水的需求量;最后,应用于宿迁市中心城市。结果表明：在规划年2025和2030年的再生水利用率目标要求下,采用中等补贴情景能在有效推广再生水利用的同时兼顾政府财政压力,再生水需求量分别可达10 095×10⁴和13 387×10⁴ m³。本研究进一步拓展了城市再生水需求量预测的理论方法,也为宿迁市再生水利用配置提供了科学依据。