基于GA-BP神经网络与正态区间估计的需水预测 ——以邯郸市为例

科学准确的需水量预测结果可以为城市水资源供需平衡决策提供合理依据.针对城市需水涉及因素多、历史数据样本量少、需水量具有波动性和不确定性的特点,提出了基于GA-BP神经网络与正态区间估计的组合预测模型,模型使用主成分分析法、灰色关联分析法筛选影响因子,加入遗传算法优化BP神经网络,构建GA-BP神经网络,最后引入正态区间...     

基于灰色关联分析的支持向量机需水预测研究

近年来需水预测一直被高度重视,由于实际需水预测涉及因素众多难以考虑全面、历史资料的局限性以及需水变化影响因素考虑不足等,各种需水预测方法均存在一定局限性,导致预测结果与实际用水量有较大差别.针对以上问题,考虑采用灰色关联分析与支持向量机结合的方法进行需水预测,根据灰色关联分析方法辨识得到的各类用水主要影响因素,构建支持向量机需水预测模型.以郑州市实际用水量为例,对各部门用水分别建立基于灰色关联分析的支持向量机非线性需水预测模型,结果表明,此方法用于需水预测能够比较全面的考虑需水量影响因子,预测结果精度较高,可作为小样本情况下一种较好的需水预测方法.     

青岛市生态环境需水量研究

根据生态用水的共享性原则提出了青岛市区域生态环境需水量概念模型,利用水文学方法计算了以植被生态需水量、河流环境需水量、地下水回灌需水量之和代表的青岛市区域生态环境需水量,分析了区域生态环境需水量供需平衡,认为区域水资源供给与适宜的生态环境需水量之间处于脆弱的平衡状态.降水、径流等水资源季节分配的不均衡和工业、城市大量用水使生态环境需水在一定的时空条件下得不到满足.应采取加强水资源利用管理、污水资源化、用好入境客水、保护地下水、开展海水综合利用等节水措施充分满足生态环境需水.     

水资源污染负荷强度的灰色有效性预测模型及其应用

水资源污染负荷强度预测是水污染防治的关键环节。基于灰色系统理论,构建了水资源污染负荷强度的GM(1,1)模型、Verhulst模型和SCGM(1,1)c模型,并利用预测有效度计算各单预测模型的权重,进而建立水资源污染负荷强度的灰色GM-Verhulst-SCGM组合预测模型,在此基础上,选取2004-2013年期间工业单位产值化学需氧量排放量历史数据进行模型拟合,利用其2014-2016年数据进行模型检验。研究发现,灰色组合预测模型呈现出更低的预测误差,符合水资源污染负荷强度高精度预测需求;而通过对水资源污染负荷强度实证预测发现,其负荷强度整体上呈逐步削弱的态势,但可能会出现其高速下降向稳步趋缓转变的速率"拐点",预示着水污染防治将由"浅水区"向"深水区"的转变。     

基于灰色遗传参数动物育种值的BLUP估计

遗传参数的估计过程充满了灰色系统的特征,因此以区间形式存在的遗传参数可以被认为是区间灰数。为此,探讨了视遗传参数为区间灰数的动物育种值的BLUP估计方法。考虑到带有灰色遗传参数的混合模型方程组维数太大,以至于不能直接对系数矩阵求逆,建议利用超松弛迭代方法求解灰色育种值。其结果表明,所预测的育种值也是一个区间灰数。在动物育种实践中,育种值的边界可以被定义为遗传潜力,育种者根据对目标性状的理解或喜好,选择育种值的边界值或这个区间灰数的"白化"值作为选种的依据。     

应用灰色新陈代谢GM(1,1)模型预

研究了灰色系统理论在中长期城市需水量预测中的应用。由于常规GM(1,1)模型被用于预测时，精度较高的仅仅是最近的几个数据，越往未来发展，该模型的预测意义就越弱。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。对于中长期城市需水量预测这样复杂的问题, 灰色新陈代谢预测模型具有预测精度高、简捷实用等优点，该方法可作为中长期城市需水量预测预测的工具之一。     

变化环境下城市需水量影响因子识别

气候变化和人类剧烈活动正深刻影响着水资源供需系统,然而需水量影响因素众多,因此如何量化需水量和各类影响因子之间的关系,从而识别出主要的影响因子是需水预测一个重要的研究方向。以东莞为研究对象,建立了支持向量机（SVM）和BP神经网络需水预测模型,并将东莞市的需水量影响因子分为社会因子、经济因子和气候因子三类,分别采用不同的影响因子作为驱动,对东莞市需水量进行预测,结果显示经济类影响因子是东莞市需水量最主要的驱动力,且社会因子与气候因子与需水量也有一定的响应关系。     

人类活动影响下内陆干旱区张掖盆地需水量预测

为了研究内陆干旱区水资源的可持续利用,采用系统动力学方法,考虑经济发展、城镇化加剧和节约用水3种人类活动,设定5个不同情景,对黑河中游张掖盆地的需水量进行预测。结果表明,张掖盆地生活和工业需水量保持增长趋势,农业和总需水量表现出一定波动性,预测期内5种情景下农业需水量分别为26.21、26.21、19.51、25.77和19.07亿m~3,总需水量分别为28.80、30.35、22.52、28.31和22.09亿m~3。不同人类活动对张掖盆地需水量影响的方向和程度各不相同,经济发展对工业需水产生最大的正影响,城镇化对农业需水产生最大的负影响,节约用水对需水量的影响较低。内陆干旱区水资源可持续利用必须综合考虑各种人类活动的影响,只有这样才能显著降低农业用水量及总用水量,保证水资源的可持续利用和发展。     

海伦市用水现状与2020年需水预测

【目的】预测城市的生活、工业、农业用水的需水,对城市的规划、经济发展以及供水系统的管理及扩建提供可靠依据。【方法】使用水平衡分析法及线性回归分析和大量的数据运算,通过线性回归分析现状年及2013—2017年用水量分析了海伦市用水现状并预测了2020年需水量。【结果】2020年海伦市城镇居民生活用水为774.66万m~3,农村居民生活用水量为1 622.32万m~3,2020年海伦市工业需水量为0.061亿m~3,2020年海伦市农业需水总量为3.64亿m~3。【结论】预测年2020年供水量大于需水量。     

辽河流域水资源承载力计算分析

在确定了水资源承载力的定义之后,根据最小生态需水量和适宜生态需水量分别计算了水资源可利用量的上限及下限,在此基础上用多目标方法计算了"生态一般型"、"生态良好型"及"生态良好一般型"3种方案下的水资源承栽力,计算结果表明辽河流域按照水资源分区计算各三级区的水资源可以承栽未来2020年和2030年的社会经济发展,但不能满足流域内灌溉需水要求.     

PLS在提取需水量预测影响因素中的应用

需水预测模型的输入变量直接影响了需水预测模型精度的高低。为了找出影响需水量的主要因素,选择偏最小二乘回归模型,建立了需水量的影响因素与需水量之间的相关关系模型。偏最小二乘法是多元线性回归、典型相关分析和主成分分析的集成与发展。偏最小二乘法提取的成分既能够很好的概括自变量系统中的信息,又能最好的解释因变量。通过计算影响因素与需水量之间的回归系数等信息,得出了影响需水量的主要成分,确定了需水预测模型的输入项。     

基于主成分分析的支持向量机需水预测模型及其应用

需水预测是水资源优化配置、水资源规划和水资源管理的重要依据,其预测精度受到众多因素的影响,且实际用水量数据时间系列较短,制约了传统预测方法的应用。利用支持向量机在对小样本学习的基础上对其他样本进行快速、准确的拟合预测的特点,采用主成分分析与支持向量机相结合的方法,首先利用主成分分析法筛选需水量的主要影响因子,然后将其作为输入样本,对支持向量机模型进行训练和检验,寻找最优模型,并将该方法应用于洛阳市需水预测。结果表明,该模型预测结果平均相对误差为-0.83%,预测精度较高,可作为训练样本较少情况下的一种需水预测方法。     

深圳市宝安区水资源配置研究

根据深圳市宝安区铁岗水库的水资源状况,系统地分析了该区沙井和松岗两个片区的用水量和天然来水量情况。采用灰色GM(1,1)模型对该区域的需水量进行了模拟,计算得到2012年的需水总量。利用自回归模型预测了铁岗水库的来水量。最后针对需水量和供水量,以区域供水系统相对缺水率最小为目标函数,建立了适当的优化配置模型,并采用动态规划方法,得到了两个片区时间上较为合理的配置方案,具有一定的实际应用价值。     

涑水河流域生态环境需水量计算和预测

基于涑水河的特点,提出了适合于涑水河河道的干旱和半干旱流域需水预测模型,探讨了自适应变尺度粒子群-RBF神经网络模型在需水预测中的可能性。结果表明,涑水河流域需水量与自适应变尺度粒子群-RBF神经网络模型预测结果相当接近。     

水稻各生育期需水量预测的综合模型

根据灰色系统理论的灰色模型 (Grey Model)与时间序列方法 ARMA模型 ,提出了水稻各生育期平均日需水量预测的时间序列综合模型。根据提出的模型 ,利用沈阳农业大学 1 5年的水稻需水量试验资料 ,分别建立了沈阳地区水稻各生育期平均日需水量向前 l步的预测模型 ,并提出了水稻全生育期需水量的向前 l步的预测模型 ,这是水稻需水量预测的最新理论与方法。该方法建模简单 ,所需资料较少 ,并具有较高的精度     

基于GIS的引黄灌区用水需求预报系统研究

黄河流域水资源短缺,为了精确配置好黄河水资源,需考虑引黄灌区用水需求时空变化特征。采用系统工程和软件工程的方法,结合RS、GIS、数据库技术以及灌区需水预测模型等,开发了基于GIS的引黄灌区用水需求预报系统,并选择人民胜利渠灌区为典型,利用该系统进行了灌区引黄需水量预测分析,得出灌区旬用水需求。同时,利用2011年灌区实际引黄水量与系统计算结果进行验证,二者的旬过程具有较好的一致性,年值相差为4.8%。系统对保障黄河水资源可持续利用和维持河流健康生命具有重要的现实意义。     

水稻各生育期需水量预测的综合模型

根据灰色系统理论的灰色模型（Grey Model)与时间序列方法ARMA模型，提出了水稻各生育期平均日需水量预测的时间序列综合模型。根据看出的模型，利用沈阳农业大学15年的水稻需水量试验资料，分别建立了沈阳地区水稻各生育期平均日需水量向前l步的预测模型，并提出了水稻全生育期需水量的向前l步的预测模型，这是水稻需水量预测的最新理论与方法。该方法建模简单，所需资料较少，并具有较高的精度。     

基于IEA的需水预测投影寻踪模型研究

需水预测是一个由城市人口、工业水平、社会经济水平共同作用的多因素、多层次的复杂非线性系统,其结果将直接影响受区域水资源承载力约束的产业结构、布局形态等决策。PP方法通过投影将高维数据转换为低维数据,克服了维数祸根问题,能在一定程度上解决分类、函数逼近和时间序列预测等问题。将PP方法引入需水预测领域,建立了需水预测PP模型。同时,将免疫进化算法和PP耦合起来,简化了参数优化运算。在珠海市的应用实例表明:PP模型较好地解决了高维非线性和非正态问题,在需水预测中有较强适用性。     

基于灰色神经网络的作物需水量预测模型研究

采用灰色系统理论与神经网络,通过多维度气象因子和参考作物需水量的相关分析,来确立灰色神经网络拓扑结构及网络流程,建立了预测作物需水量的灰色神经网络模型。以海南省儋州市1979~2014年的气候数据为输入,作物需水量为输出数据,运用Matlab工具,仿真表明预测曲线与参考作物需水量曲线拟合度较高,灰色神经网络模型预测结果绝对相对误差均值为5.28%,预测精度高,为节水灌溉提供了一种新的有效方法。     

基于灰色残差-马尔可夫藕合模型的农业需水量预测研究

将灰色残差模型与马尔可夫预测模型结合起来,建立灰色残差-马尔可夫藕合模型来预测农业需水量.先用灰色GM(1,1)模型进行预测,预测精度较低,因此对GM(1,1)模型进行一定程度的改进,建立灰色残差GM(1,1)模型;再用马尔可夫预测模型来判断残差预测值的符号,以提高预测精度.最后用华东某城市2002-2008年的农业用水量作为历史数据进行了预测,结果表明预测精度明显提高.预测结果可以为研究区域今后的节水灌溉发展提供理论依据,来有效地指导今后该地区的节水灌溉.