改进的GM（1,1）模型在西安市用水量预测中的应用

针对近年来西安市用水量变化的特点，采用改进的GM（1，1）模型用于水量预测，并与传统的GM（1，1）预测模型进行了比较。结果表明，改进的GM（1，1）模型可取得较好的预测结果。     

灰色新陈代谢模型在城市生活用水量预测中的应用

应用常规GM（1,1）模型和新陈代谢GM（1,1）模型对上海市生活用水量进行了预测。首先利用常规GM（1,1）模型对上海市生活用水量进行了建模,结果随时间序列延长,常规模型对未来的一些扰动因素无法准确把握导致精度逐渐降低。然后采用了新陈代谢GM（1,1）模型进行建模预测,并与常规GM（1,1）模型预测结果的精度进行了对比,结果显示：新陈代谢GM（1,1）模型预测精度达到94.56%,明显高于常规GM（1,1）模型精度。因此,新陈代谢模型能有效提高预测精度,可作为城市未来生活用水量的一种有效预测工具。     

浅谈灰色系统理论在旱涝预测中的应用

对灰色系统理论进行简单介绍，着重于灰色系统理论中灾变预测的建模过程，并以实例说明如何在水文长期预报中应用灰色灾变理论。     

基于灰色理论的城市用水量预测

运用灰色预测理论建立用水量的GM(1,1)模型,以邯郸市区历年用水量为原始数据序列进行预测,用后验差法检验模型精度。该模型实质上是一个指数型函数,其预测效果很大程度上取决于原始数据的特点,要求时间序列近似指数规律变化或者说要求数据总体上呈单调较平缓变化,而不是周期性或无序性变化。     

城市生活用水预测方法研究

分别采用趋势法和用水定额法对2010年及2015年太原市城市生活用水量进行了预测，结果表明：趋势法和定额法对城市生活用水的预测都存在一定的误差，如果要更精确地预测未来城市的生活用水量，则需要考虑更多方面的因素，如交通条件以及工农业发展现状等。     

国土空间规划背景下广州市城市用水量预测

以编制《广州市供水系统总体规划(2021～2035)》为契机,对广州市近十年的用水量情况进行剖析,结合新一轮国土空间规划对广州市城市定位、人口规模等要求,考虑当前管网漏损控制等节水政策,采用城市综合用水量指标法、综合生活用水比例相关法、年增长率法、灰色模型模拟法分别对广州市近远期的最高日用水量进行预测,同时对11个行政...     

几种AR和ARMA模型对城市用水量预测的比较

利用时间序列法中的自回归模型（AR）和自回归移动平均模型（ARMA）,对城市某区域的用水量进行预测。模型参数采用最小二乘法进行估计,并将预测值与实测值进行了比较。结果显示,预测值的相对误差均在±10%之内,且仅有个别点的相对误差在±5%之外,预测结果与实测值基本一致。对预测结果的进一步分析表明,高阶AR模型预测结果的均方差（MSE）低于低阶AR模型,而从平均绝对百分比误差（MAPE）来看,ARMA模型的预测结果并不优于AR模型。     

城市用水量预测

本文引用柯布——道格拉斯生产函数建立城市用水量预测模型,并以某市为背景作了实例计算,分析了城市居民消费水平、居住面积以及工业总产值的增长对该市2000年和2010年用水量的影响。     

用灰色动态模型预测城市用水量

在世界水资源发生严重危机的今天,人们更加认识到城市用水量预测的必要性和重要性。城市用水量的预测就是根据城市迄今为止已知的用水量及与此相关的其它资料来分析未来某一时刻(时段)用水量的过程。通过预测,为城市社会经济的发展、水资源的开发分配、水污染控制乃至社会经济的规划等提供必要的信息。 灰色系统是相对黑色和白色系统而言。黑色表示信息缺乏,白色表示信息充足,而灰色系统是指系统中既含有已知信息又含有未知或     

灰色模型在城市用水量预测中的应用

城市年用水量为城市建设规划以及供水管网改扩建提供依据.我国城市年用水量序列特点是记录时间短,记录数据少.针对我国城市年用水量数据序列的这种特点对其进行分析研究,利用灰色系统理论,建立预测年用水量GM(1,1)模型,并以湖州市年用水量数据为原始数据进行了实际预测,取得了较好的预测效果.     

城市用水量预测中的多变量灰色预测模型

当观测资料的数据量少,而又存在多个相互影响或关联的变量时,常用的灰色预测模型GM(1,1)不能全面考虑多个变量。采用自适应MGM(1,n)模型———多变量灰色预测模型,较好地解决了这一问题。MGM(1,n)模型是GM(1,1)模型在n元多变量情况下的推广,通过联立求解n个n元微分方程,使模型中的参数能够反映实际工程或社会系统中多个变量间相互影响、相互制约的关系。以杭州市用水量统计资料为研究对象,运用灰色理论建立MGM(1,n)模型,获得了较好的预测效果。     

淮安市用水指标与城市化指标关联性分析及用水潜力预测

为研究淮安市用水潜力和水资源人口承载力,本文在确立该市城市化指标和用水指标的基础上,利用灰色关联法对二者的相互关系进行了分析;然后通过人均需水量多元回归预测模型对该市的用水潜力进行了预测,并进一步计算出其对应的水资源人口承载力。结果表明,淮安市2020年人均需水量应控制在562m3/人·年左右,人口控制在569万人左右。本文对苏北乃至全省节水型城市的建设都具有现实意义。     

城市工业用水总量核算方法探讨

针对我国最严格水资源管理制度下用水总量考核中存在的问题,在分析济宁市工业用水规律的基础上,探索核算工业用水总量的方法。针对大样本工业用水户的情况,基于聚类分析的结果选取典型样本企业,以典型样本企业的用水指标推算工业用水总量。通过核算数据与实测数据的对比,给出核算结果,评价核算方法的适用性。结果表明:2011年济宁市工业用水总量核算值与实际值相对误差为4.66%,以典型样本企业核算工业用水总量的过程更符合实际情况。     

经济社会用水调查供用水量平衡分析方法的探索

本文提出采用先分类平衡,再进行汇总分析的方法进行水利普查的供水、取水、用水平衡分析,该方法可操作性更强,对查找问题更方便、简洁,既能保证工作质量,又能提高工作效率,是平衡分析工作中切实可行的方法之一.     

行业用水定额与水资源管理

简要分析了广西水资源的特点和行业用水管理工作中存在的问题,论述了运用行业用水定额来对水资源进行科学管理的必要性,提出了行业用水定额编制原则与方法。     

基于PSO-GRNN方法的城市用水量短期预测

鉴于城市用水量短期预测中传统的神经网络训练易陷入局部极小点、收敛速度较慢等问题,采用具有全局随机优化思想的PSO算法对GRNN神经网络径向基函数的扩展速度进行优化,提出了城市用水量的PSO-GRNN神经网络预测方法。根据某市日用水量的实测数据进行建模和预测,通过与最小二乘模型、核估计模型、局部线性估计模型的模拟效果进行对比表明：PSO-GRNN网络具有较强的自适应能力和泛化能力,能够有效地提高用水量的预测精度。     

浅析用水定额指标体系建立

在分析我国现状定额指标体系存在问题的基础上,结合水资源管理工作的实际需要,建立了一套系统完善的定额指标体系,用于指导地区水资源管理工作。     

基于遗传神经网络的城市用水量预测研究

介绍了BP(误差反向传播算法)和GA(遗传算法)及GA-BP 3种神经网络,并以此分别对城市用水量进行预测.实验结果表明,基于GA-BP算法的神经网络方法应用于城市用水量的预测问题,能采用遗传学习算法优化BP神经网络模型的初始权重,即先利用遗传学习算法进行全局训练,再用BP算法进行精确训练,使网络收敛速度加快和避免局部极小.GA-BP神经网络在收敛速度和预测精度等方面均优于BP和GA网络,从而为未来短期城市用水量负荷的准确预测提供了新的思路与方法.     

农业灌溉用水量核算方法对比研究

为了评价区域水资源承载状况,需要将区域现状年实际产生的用水量核算至评价口径。在以往工作的基础上,提出了三种较为实用的农业灌溉用水量核算方法:现状法、典型年法和长系列法。分析表明:计算分区A近几年年降雨量情况能够代表平水年或多年平均情形,可采用现状法对农业灌溉用水量进行核算,结果显示该区域应核减农业灌溉用水量0. 31亿m~3。计算分区B近几年区域降雨不能够代表丰枯变化,整体偏枯,可采用典型年法对农业灌溉用水量进行核算,结果显示该区域应核减农业灌溉用水量0. 43亿m~3。计算分区C基础资料齐全、年降雨频率偏丰及偏枯区域均适用,应采用长系列法对农业灌溉用水量进行核算,结果显示该区域应核增农业灌溉用水量1. 48亿m~3。总得来说,现状法较为简便,资料易于获取,但有一定的局限性,受近几年的降雨量影响较大;典型年法相对较为复杂,且对于评价年份降雨较丰的区域不适用。因此,在基础资料完备的情况下,长系列法适应性较强。     

灰色关联—集对聚类预测模型在吉林省用水量预测中的应用

对地区未来用水量进行预测对于实现水资源的合理规划与调度有着重要意义。为了对吉林省未用水量进行合理预测,建立了吉林省短期用水量预测的灰关联-集对聚类预测模型,并用吉林省实际用水量数据对模型进行了交叉精度检验。结果发现:该模型对吉林省2015用水量预测结果与实际数据的相对误差为2.00%,预测精度好于灰色预测模型和BP神经网络模型。20年数据检验平均误差为2.675%,预测效果较好,可用于区域未来用水量预测。根据此模型以及吉林省发展规划,2020年吉林省用水量将达到138.74×10~8m~3。