基于组合预测法的台州市需水量预测研究

运用多种预测方法的组合预测,采用BP神经网络法、人均综合用水量法对台州市2020年、2030年总需水量进行了预测;采用人均用水量推算法、灰色预测法、数学模型法预测台州市2020年、2030年城乡生活需水量、工业需水量、第一产业需水量等分类需水量.结果表明,组合预测方法应用于台州市用水需求预测是可行的.组合预测综合考虑了各种因素的影响,能够提高需水量的预测精度,为水资源合理规划提供了科学决策依据.     

组合预测方法在需水预测中的应用

社会经济和气候因素对水资源需求的影响一直是国内外重点关注的研究领域,以东莞市为研究对象,将需水量影响因子划分为气候因子、经济因子和社会因子,选取不同的影响因子建立需水预测模型,分析各类因子与需水量之间的响应关系.在此基础上选取最合适的影响因子,应用多种方法建立预测模型,采用最小方差组合预测技术对不同预测模型的结果进行集成.研究结果揭示了东莞市需水量变化的情景和成因,预测了东莞市需水量变化趋势,并为东莞市水资源需求预测管理提供理论基础.     

基于灰色系统模型的河南省水资源供需预测及平衡分析

根据河南省水资源现状,结合华中地区特点和社会经济发展水平,运用灰色预测理论,采用定性与定量结合的方法,在50%、75%、90%保证率下,对2015年、2020年、2025年、2030年的河南省可供水量及国民经济需水量、生态环境需水量分别进行了预测。在此基础上,对河南省水资源的供需平衡进行了分析,结果表明,河南省水资源利用既存在危机又存在潜力。     

灰色新陈代谢GM(1,1)模型在中长期城市需水量预测中的应用研究

研究了基于灰色系统理论的中长期城市需水量预测方法.针对常规GM(1,1)模型存在的不足,建立了灰色新陈代谢GM(1,1)需水量预测模型,并利用此模型对北方某缺水城市未来10年的需水量进行了预测.结果表明:模型精度较高,预测误差较小.     

生活需水预测的弹性系数法改进模型及应用

弹性系数法是一种广泛使用的需水量预测方法,其建立模型的关键步骤是提取合理的需水量影响因素,为了有效地提取需水量的主要影响因素,采用灰色关联法,分析了弹性系数模型变量之间的关系,提出了自然对数预处理方法,并以郑州市生活需水量预测为例,进行方法的比较分析,结果表明该方法是合理和有效的,进一步丰富了灰色关联分析法的应用,需水量预测结果也比较符合实际情况,可为郑州市水资源规划提供参考依据。     

基于异常值识别的计量小区短期需水量预测

需水量预测是进行水资源调配、节能降耗和降低管网水龄的关键问题。现有需水量预测研究主要对预测模型进行改进,而忽视了对预测准确性至关重要的预处理步骤,如异常值处理,限制了预测模型的精度。为此,建立基于密度的局部离群因子模型(local outlier factor, LOF)对需水量数据中的异常值进行识别及矫正,并将其与一种新兴的高精度、高效率梯度提升树算法(light gradient boosting machine, LightGBM)结合,形成组合需水量预测模型(LOF+LightGBM)。通过实际案例进行模型性能测试,结果表明,相比基于原始数据的预测模型,基于经过LOF模型处理后的需水量数据进行预测的模型均方根误差平均降低10%。LightGBM模型在不同数据集上的绝对平均误差比人工神经网络和支持向量机平均降低了24.7%。整体上,LOF+LightGBM表现最佳预测性能,3个计量小区(district metered area, DMA)的纳什效率系数分别为0.886、0.951、0.942。所有模型训练及预测时间均小于0.7 s。无论是LOF模型、LightGBM模型还是LO...     

保定市区域水资源供需分析及对策

文中分析了保定市水资源开发利用现状,对保定市2015年和2030年的需水量、可供水量进行了预测,并进行了供需分析,探讨了今后一个时期合理开发利用水资源的对策。     

基于IOWGA算子的组合预测方法及其应用

针对汽车配件需求量的预测进行了预测模型的建立、选择并优化．特别是将灰色预测和神经网络预测与IOWGA算子相结合,提出了以对数误差平方和为准则的基于IOWGA算子的组合预测方法,从而提高了预测的精度。将该方法用于汽车配件需求预测取得了较好的效果,说明了算法的有效性．     

基于灰色预测及多目标规划模型的水资源预测及优化配置

为探讨城市水资源预测和优化配置的方法,以北京市为例,采用灰色GM（1,1）预测和多目标规划模型方法进行数学建模,以研究北京市在实现经济效益、社会效益、生态效益和环境效益最大化前提下的水资源的优化配置方案。预测结果显示,北京市2015年的水资源总量为21．4523亿m^3,再生水量为11．96亿m^3,总需水量为39．74亿m^3,仍将存在6．33亿m^3缺口,将依赖于境外调水,与北京市水资源“十二五”规划十分接近。多目标规划模型结果显示,北京市可通过增加水资源的循环利用,减少农业用水、生活用水和环境用水量,维持现有工业用水量,实现可供水量与总需水量的基本平衡,并实现城市经济效益、社会效益、生态效益、环境效益的最大化。灰色GM（1,1）预测和多目标规划模型可较好地预测城市未来供、需水状况,并进行水资源的优化配置,可用于区域水资源预测和综合规划。     

经济新区用水量预测系统动力学方法研究——以天津临空产业区为例

针对经济新区社会经济环境系统特点,在对其内部诸要素间相互关系分析和水资源系统分析的基础上,建立分质供水系统动力学(SD)模型,并将其应用于经济新区需水量预测中.根据区域分质供水的可能性和必要性.以及不同用水部门对供水水质要求的不同,可预测人口、经济和环境因素在规划期内对不同水质的水资源需求量,并且通过比较和分析不同发展模式的模拟结果,可进行水资源可持续利用战略选择及需水量预测.从而为水系统规划提供科学支持.     

支持向量机在短期用水量预测中的应用

针对基于经验风险最小化的神经网络存在模型结构较难确定和过学习的问题,根据时用水序列具有周期性和趋势性的特点,建立了基于支持向量机的时用水量预测模型.支持向量机采用结构风险最小化准则,在最小化学习误差的同时缩小模型泛化误差的上界,因此具有较强的泛化能力.此外,支持向量机通过将机器学习问题转化为二次规划问题,可获得全局最优解.实例分析结果表明,与基于BP网络的预测模型相比,基于支持向量机的时用水量预测模型建模速度更快,预测精度更高.     

考虑气象因子的城市日用水量预测模型

讨论了影响城市用水量变化的气象因素,对某市6个月的用水量及气象数据进行分析,评估了温度、湿度、降水量与城市用水量的相关程度,并通过分别引入单气象因子和多气象因子,建立了日用水量预测的ARX模型.结果表明,在单步长(1 d)预测中,综合考虑最高温度和平均湿度的影响后,预测精度较时间序列的自回归模型有较大改进,同时也优于仅考虑单气象因子的预测模型.此外,在多步长的预测中,考虑气象因子后的预测模型精度仍具有明显的优势,是对用水量自回归时间序列预测方法的有效完善.     

江苏省南水北调受水区需水计算模型初探

选取南水北调东线江苏省受水区作为研究区域,对受水区2020规划年用水户进行概化,概化为工业用水户23个、农业用水户92个、生活用水户25个、生态用水户11个和船闸用水户23个．建立研究区需水模型,计算本研究区在3种年型下的需水量．研究表明：2020规划水平年在P=95％、P=75％和P=50％年型下,受水区需水量分别为239．15×10^8m3、195．94×10^8m3和184．76×10^8m3;与参考值相比,文章计算需水量相对误差分别为＋12．53％（P=95％）、＋2．64％（P=75％）和＋6．58％（P=50％）,误差不大,说明文章建立的需水模型能较好的模拟研究区的需水量．     

预测城市用水量的人工神经网络模型研究

为了提高多层前馈神经网络权的学习效率,引入变尺度方法来训练神经网络的权值,并根据训练误差自适应调整学习系数和动量因子.将该方法应用于城市用水量预测中,建立了非线性人工神经网络预测模型.该模型考虑了城市工业用水重复利用率、用水人口、经济发展等众多因素对用水量需求的影响,具备系统决策功能.杭州市预测实例表明,建立的模型及其相应计算方法具有较高的预测精度和准确度.     

灰色模型在城市中长期用水量预测中的应用

为进行科学合理的供水系统规划,给出一种基于记录时间较短、历史数据较少的用水量序列的GM(1,1)预测方法.该预测方法把原始用水量序列累加处理生成新序列后,用指数关系式拟合,通过构造参数矩阵,确定辩识参数,建立灰色模型的微分方程;求解灰色模型的时间响应函数,生成累减矩阵,进行累减运算即得用水量序列的预测值.MAPE精度分析结果表明GM(1,1)用水量预测方法精度较高.该预测方法应用于D市的中长期用水量预测,为D市供水规划提供有效依据.     

基于最小二乘支持向量机的时用水量预测模型

针对神经网络存在结构较难确定,训练易陷入局部最优以及容易过学习等问题,提出将最小二乘支持向量机用于预测时用水量.最小二乘支持向量机(LSSVM)基于结构风险最小化,能够较好地协调经验风险最小化和学习机器VC维之间的关系,并且LSSVM在支持向量机(SVM)的基础上,通过将价值函数改为最小二乘价值函数以及用等式约束代替不等式约束,将求解的二次规划问题转变为一组等式方程,采用径向基核函数,得到LSSVM模型的待定参数比标准支持向量机少,仅为2个.根据时用水序列具有周期性和趋势性的特点,建立了基于最小二乘支持向量机的时用水量模型.实例分析表明,与基于BP网络的时用水量模型相比,基于最小二乘支持向量机的时用水量模型具有更强的预测能力.     

灰色神经网络最优权组合模型预测城市需水量

需水量预测是一个大量数据指标和影响因素共同作用的复杂系统。目前以单一的模型预测为主,而这种预测方法仅能体现该系统的局部。针对这一情况,利用灰色模型和改进BP神经网络,建立最优权组合模型预测城市需水量,使用Matlab进行实例计算,并与其他预测方法比较。结果表明,该模型有较高的预测精度,优于单个模型,预测效果更优于其他方法。     

水稻田灌溉用水的一个预测公式

从水稻田水量平衡公式出发，推导出水稻灌溉用水预测公式，利用历史实测灌溉用水及同期降雨资料率定有关参数，根据降雨预测灌溉用水量。公式适用于种植结构不明的灌区。     

城市日用水量预测的神经网络方法

介绍了城市日用水量预测的BP神经网络方法,分析了日用水量的变化规律和影响因素.以每日最高温度、最低温度、晴雨情况、星期及前一日用水量为输入节点,预测日用水量为输出节点,建立了日用水量预测神经网络模型,编制出预测模型的计算机程序.通过实测数据进行了模型检验,对预测结果进行了分析.