GNNM(1,1)模型在城市用水量预测中的应用

我国城市年用水量数据较少并与诸多因素息息相关,是一个典型的灰色系统。本文利用灰色系统的少数据建模优点和神经网络的精度可控性优点,建立了城市年用水量的灰色神经网络GNNM(1,1)模型。利用该模型对S市城市用水量进行了实际预测研究,实例证明了该方法的正确性和科学性。     

灰色预测模型在年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,并以大连开发区年用水量数据为原始数据进行了实际预测,通过后验差检验证明GM（1,1）模型为一种行之有效的预测年用水量的模型。     

基于GM(1,1)-马尔科夫模型的城市用水量预测

运用GM(1,1)-马尔科夫模型对城市用水量进行预测,克服了灰色预测与马尔科夫预测各自的缺点和不足,提高了预测的精度,增强了预测结果的可靠性、科学性和实用性.     

基于灰色GM（1,1）模型的城市用水量预测

介绍灰色理论建模原理和模型参数辨识方法,并以实例（新疆阿克苏市1990~2000年城市用水量资料）建立灰色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种方法对模型进行精度检验,其模型拟合精度为99%。用所建立的模型对阿克苏市2001~2005年城市用水量进行预测。结果表明,该灰色模型用于城市用水量预测,符合其灰色特性,通用性好,并且所需数据少,计算量适中,预测结果与实际情况比较吻合。     

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.     

城市用水量预测的人工神经网络模型

为预测城市用水量，提出了人工神经网络模型，用此模型对某沿海城市用水量进行拟合、预测。通过数据文件的建立及期望输出的选取，能充分体现数据系列的变化规律。实例结果表明，该模型拟合精度高，用于城市用水量预测可行、有效。     

城市用水量灰色预测

利用磷以预测方法对城市中长期用水量进行了研究,介绍了磷以系统预测的基本原理,建立了两次拟合等维灰数递补灰色用水量预测模型,通过在三个城市的实际应用,验证了其有效性及可行性。     

神经网络在城市用水量预测中的应用研究

考虑城市用水量受众多因素影响 ,具有系统稳定性和非线性的特点 ,探讨了基于神经网络的城市用水量预测的非线性时间序列递推预测方法 ,并利用该方法对郑州市城市用水量进行了时间序列模拟 ,实例证明了该方法的正确性和科学性 .将神经网络的BP算法应用于城市用水量系统的建模和预测 ,并给出了较为详细的计算结果 ,具有一定的理论价值     

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.     

灰色GM(1,1)模型在上饶市用水需求预测中的应用研究

根据2003—2018年上饶市用水量数据,将其分为农业、工业、生活、生态四类进行数据分析,其中农业用水位于主导,工业、生活用水次之。根据灰色理论分别建立不同用水部门的GM(1,1)模型,并对所建模型进行了残差检验和后验差检验。检验结果表明生活用水、工业用水为1级精度,生态用水为2级精度,农业需水模型精度差,需要进行残差修正。通过修正后的模型对上饶市各部门未来需水量进行了预测,结果表明上饶市未来各部门的需水情况均呈现出逐步增加的趋势,工业需水和生活需水增加比例尤为明显,而农业需水则增长缓慢。     

SCGM(1,1)_(ao)的一个性质

本文证明了单调递减（或递增）凸（或凹）序列的系统云灰模型是单调速减（或进增）凸（或凹）函数,从而得出了SCGM（1,1）（ao）具有更广泛的适用性和更高建模精度的结论．     

N—（1，1—二甲基—3—氧代丁基）丙烯酰胺的合成

介绍以丙烯腈和4－甲基－4羟基－2－戊酮为原料在浓硫酸作用下首先合成一种环状结构的硫酸盐,再经中和开环制成N－（1,1－二甲基－3－氧代丁基）丙烯酰胺的改进方法。探讨了原料配比对环状结构硫酸盐收率的影响。采用红外光谱、质谱、差热分析和元素分析等方法表征了产物,高效液相色谱法测得产物的纯度99．8％。     

应用灰色新陈代谢GM(1,1)模型预测河流水质

由于常规GM(1,1)模型进行预测时,精度较高的仅是最近的几个数据,越往未来发展,该模型预测的精度也就越弱。针对常规GM(1,1)模型存在的不足,运用灰色系统理论,建立了灰色新陈代谢GM(1,1)河流水质预测模型,对该模型的精度以及误差进行了分析,并利用该模型对某地区河流的水质进行了预测。计算机实际模拟证明:灰色新陈代谢GM(1,1)预测模型能够明显地提高预测精度,增加预测的可靠程度,从而实现河流水质的早期预测评估。     

灰色GM（1，1）预测模型的改进

在对灰色GM(1,1)预测模型的不足进行了分析后,认为在对累加序列的拟合中,由k得到的离散解与累加序列之间存在较大误差,进而影响了模型的精度;所以提出了对k进行修正来提高预测精度,通过增加参数β,用梯度法求出β得到新的预测模型;最后将新模型应用到我国化学纤维产量建模中,应用实例表明了本文提出的方法比之原有模型有较好的精度,由此拓宽了GM(1,1)预测模型的适用范围.     

以ｘ（１）（ｎ）为初始条件的无偏ＧＭ（１，１）模型

根据灰色系统理论的新信息优先原理,在建模过程中赋予新信息较大的权重可以显著提高灰色建模的功效.将无偏GM（1,1）模型的初始条件由x^（1）（1）改为x^（1）（n）,对原模型进行改进,从而提高了所建模型的模拟预测精度.通过实例验证了所建模型的实用性和可靠性.     

基于风险因子层次分析法的生态环境需水量模糊神经网络模型

针对以往多因子分析中存在因重复计算所致的冗余和因孤立计算所致的结果不合理,提出和建立基于风险因子层次分析法的生态环境需水量模糊神经网络模型;采用层次分析法分析生态环境需水量风险因子间的相互作用,建立其量化指标组合权重关系,并将权重值作为所建FNN模型的初始权值输入,从而有效消除了系统随机赋予初始权值对FNN模型结果的影响,并以黄河上游龙羊峡河段为例,进行模型拟合与风险分析.结果表明,所建模型合理可行,其拟合精度较高,具有较强的工程实用价值.