首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到20条相似文献,搜索用时 46 毫秒
1.
基于灰色神经网络与马尔科夫链的城市需水量组合预测   总被引:1,自引:0,他引:1  
【目的】针对城市需水量预测系统具有非线性和随机波动性的特点,建立基于马尔科夫链修正的组合灰色神经网络预测模型,以提高模型的预测精度。【方法】比较分析灰色GM(1,1)模型、BP神经网络模型以及二者线性组合的灰色神经网络预测模型的预测效果,建立基于马尔科夫链修正的组合灰色神经网络预测模型,并以榆林市2000-2009年的用水量实际数据为研究对象,通过实例比较分析模型的检验预测精度。【结果】经马尔科夫链修正处理后,建立的基于马尔科夫链修正的灰色神经网络组合模型的预测精度更高,预测误差的绝对值均小于4%,且均方差σ为1.00,小于组合灰色神经网络模型与GM(1,1)模型、BP神经网络模型预测误差值的均方差。【结论】基于马尔科夫链修正的组合灰色神经网络需水量预测模型,对城市需水量的预测优于灰色神经网络及各单项预测模型,不仅预测精度高,而且能同时反映出数据序列发展变化的总体趋势和系统各状态之间的内在规律,适合描述随机波动性较大的预测问题。  相似文献   

2.
【目的】研究最优的枯季径流预测模型,为流域水资源管理提供依据。【方法】建立基于差分自回归移动平均(ARIMA)、人工神经网络(ANN)和多元线性回归(MLR)3个单项模型的简单平均组合和最优加权组合预测模型,并将单项预报模型和组合模型应用到石羊河流域支流西营河的枯季径流预测中,采用相关系数、确定性系数以及均方根误差对各模型预测精度进行比较。【结果】单项预测模型中,仅ARIMA模型通过了确定性系数检验;最优加权组合模型的预测精度较简单平均组合模型高;组合预测模型中,仅ARIMA-MLR和ARIMA-ANN最优加权组合模型的确定性系数高于所有单项预测模型。【结论】最优加权组合模型的精度不但取决于各单项预测模型的精度,也与其之间的相关性有关,适合西营河枯季径流预测的最优加权组合模型是ARIMA-MRL和ARIMA-ANN组合模型。  相似文献   

3.
【目的】基于组合预测思想,结合灰色理论与马尔可夫预测方法的特点构建一种新的预测模型,为大坝沉降量的中长期预测提供支持。【方法】通过对传统灰色系统模型的优化改进,简化建模步骤并提高模型预测精度。在此基础上,借助于马尔可夫模型处理时间序列的随机性波动,克服灰色模型对随机波动性大的序列预测精度较低的局限性,并利用新信息优先原理,构建新维无偏灰色马尔可夫组合预测模型。将构建的新维无偏灰色马尔可夫组合模型应用于大坝沉降量的预测。【结果】构建的模型预测平均误差由原来的1.7%降低为1.0%,且预测误差的变化波动性减小。同时,随着预测期数的增加,相对于传统灰色模型,改进后的组合模型的预测精度进一步提高。【结论】与传统计算方法相比,所建立的新维无偏灰色马尔可夫组合预测模型计算量小、预测精度较高,且该模型保留了传统灰色模型短期预测精度高的优点,提高了模型的中长期预测能力,适用于大坝沉降量的中长期预测。  相似文献   

4.
【目的】将粒子群优化神经网络组合预测方法引入地下水位预测中,以提高地下水位预测的精度。【方法】以回归分析法、指数平滑法、灰色GM(1,1)模型的地下水位预测结果及预测结果平均值作为网络的输入,以实际地下水位值作为输出,对3个单一模型进行非线性组合,建立地下水位的粒子群优化神经网络组合预测模型,应用实例对模型的预测结果进行了验证,并与3个单一模型及等权平均组合模型的预测结果进行比较。【结果】实例运用结果表明,粒子群优化神经网络组合预测模型的均方误差为0.740 9,平均绝对误差为0.657 6,均小于单一模型及等权平均组合模型的相应值。【结论】粒子群优化神经网络组合预测方法适用于地下水位的预测。  相似文献   

5.
【目的】建立精度更高的需水量预测模型,为水资源规划管理提供理论依据。【方法】建立基于神经网络方法和支持向量机的需水量预测模型,以西安市需水预测为例,对2种预测模型的预测结果进行了比较。【结果】利用建立的径向基函数神经网络需水预测模型,得到西安市2010和2020年的需水量分别为32 485.65,48 180.43万m3;采用支持向量机模型能全面考虑影响需水预测的各种因素,预测西安市2010和2020年的需水量分别为32 488.03,48 184.41万m3。【结论】基于神经网络方法和支持向量机方法的需水量预测模型均可全面反映需水量的变化规律,两者预测结果十分接近,均可用于需水量的精确预测。  相似文献   

6.
【目的】建立基于马尔科夫链修正的组合灰色神经网络模型,为城市用水量的准确预测提供支撑。【方法】在运用灰色关联性分析法确定用水量变化的主要影响因素的基础上,建立了基于马尔科夫链修正的组合灰色神经网络模型,将该模型应用于包头市2009和2010年的用水量预测,并将其预测结果与灰色模型、BP神经网络模型和组合灰色神经网络模型的预测结果进行比较。【结果】包头市用水量受人口、国内生产总值、工业总产值、建成区绿化覆盖率、耕地面积及工业用水重复利用率的影响较大,利用建立的基于马尔科夫链修正的组合灰色神经网络模型对包头市2009和2010年用水量进行预测,并与实际用水量进行比较后表明,其相对误差分别为0.16%和2.16%,均方根相对误差为1.53%,而灰色模型、BP神经网络模型和组合灰色神经网络模型的均方根相对误差分别为4.34%,3.08%和1.99%。可见,基于马尔科夫链修正的组合灰色神经网络模型的预测效果最好。【结论】基于马尔科夫链修正的组合灰色神经网络模型结合了各模型的优势,预测精度较高。  相似文献   

7.
为了提高现有烤烟醇化过程中化学成分预测模型的精度,提出了组合预测模型。选取灰色GM(1,1)模型、三次指数平滑、一元非线性回归3种单一预测模型,采用标准差法分配权重,对单一预测结果进行集成,以还原糖为例,建立了化学成分的组合预测模型。结果表明,组合预测模型能够较好的提高预测精度,较GM(1,1)、三次指数平滑和一元非线性回归模型预测精度分别提高了0.0184、0.0283和0.0082。  相似文献   

8.
当前,中国出境旅游呈“井喷式”增长现象,已成为世界最大的客源输出国,极大提升了中国对世界旅游业影响力。合理预测中国出境旅游市场规模,将对世界旅游业发展及中国旅游产业优化升级具有战略性指导意义。基于线性回归和灰色模型提出灰色线性回归组合预测模型,并对2017—2025年中国出境旅游客流规模进行预测和分析。结果显示:灰色线性回归组合预测模型的拟合度和精度要优于线性回归预测模型和灰色GM(1,1)预测模型,表明组合预测模型能够弥补单一模型预测精度不够的缺点,提高预测的精密性和科学性;中国出境旅游客流在2017—2025年内将继续保持高速增长趋势,年均增幅为21%,至2025年,出境旅游总人数将达6.2亿人次。  相似文献   

9.
【目的】提出一种基于小波分析-支持向量机(WA-SVM)的水库溶解氧预测模型,以期提高水库溶解氧的预测精度。【方法】通过小波分解,将原始复杂的溶解氧浓度序列分解到不同的高频和低频层次,对每层得到的分解重构序列分别采用支持向量机回归方法进行预测后,合成原始序列的预测值,将该模型应用到于桥水库溶解氧浓度序列的预测中,并与单独支持向量机(SVM)回归方法预测结果进行比较。【结果】WA-SVM方法预测精度较SVM方法有较大提高,其平均绝对百分比误差和均方根误差分别为0.04937和0.3453,而SVM方法的分别为0.08493和0.6319。【结论】WA-SVM方法综合运用了小波分析的多分辨特性和支持向量机的非线性回归功能,能够较准确地预测水库溶解氧浓度。  相似文献   

10.
【目的】建立一种对资料要求较少、精确度较高的非点源污染负荷多变量灰色神经网络预测模型,为有限资料条件下非点源污染负荷的预测提供支持。【方法】针对GM(1,N)模型在原始数据变化幅度较大且趋势不明显时预测效果较差的不足,提出并建立用人工神经网络对GM(1,N)模型的残差系列进行修正的改进模型,并将其应用于华县站总氮非点源污染负荷的预测。【结果】在华县站总氮非点源污染负荷预测中,灰色+BP神经网络组合模型拟合预测效果较好,建模阶段和检验阶段的确定性系数(Nash-suttcliffe模拟效率系数)分别为1.00和0.93,优于单独灰色模型或神经网络模型的预测效果。【结论】研究建立的多变量灰色神经网络模型综合了灰色理论和神经网络的优点,提高了模拟精度,为有限资料条件下非点源污染负荷的预测提供了一种有效的方法。  相似文献   

11.
本文根据趋势外推法和灰色系统预测理论进行了北京水果产量和面积预测的数据处理、典型曲线型函数选择、模型精度检验的探讨,并对水果总产量和面积以及苹果、梨、葡萄的产量和面积进行了预测.  相似文献   

12.
利用荆州市6个国家地面观测站的降水、天气现象、雪深和气温等常规资料,统计1981~2010年冬季暴雪个例,结果表明,近30年全市共发生暴雪46站次,其时空分布不均,1月发生最多,约占全部暴雪站次的61%;东南部地区发生几率明显高于西北部地区,且2000年以后西北部地区没有出现暴雪。经过普查历史天气图,认为暴雪天气发生与500 h Pa西风带低槽、地面中等偏强冷空气、700 h Pa强劲的西南暖湿气流、700 h Pa与850 h Pa之间的逆温层以及温度的垂直分布有关。预报采取PP法的技术思路,即在建立天气图预报模型和指标的基础上,选取数值预报对应的参数制作暴雪短期预报,实践证明应用效果较好。  相似文献   

13.
由于影响换热器污垢热阻的因素较为复杂,对其预测比较困难.针对这种情况,提出了利用灰色神经网络预测方法对污垢热阻进行预测.本文用一种灰色理论算法改进模型和RBF神经网络分别对换热器污垢热阻值进行预测,并对预测结果进行最优组合,同时给出了预测曲线.结果表明与GM(1,1)模型相比较,灰色神经网络组合模型(GMNN)预测精度更高,可以较准确地预测污垢热阻随时间的变化趋势.  相似文献   

14.
流域土壤侵蚀研究方法与预报模型的发展   总被引:4,自引:0,他引:4  
土壤侵蚀模型研究一直是土壤侵蚀学科的前沿领域和指导水土保持措施配置的有效手段。文章介绍了国内外常用的土壤侵蚀的研究方法和基本的土壤侵蚀模型,从而概述了目前国内外土壤侵蚀的研究手段和模型的发展进程,并指出了我国近期土壤侵蚀研究重点。  相似文献   

15.
本文通过逐步回归法挑选出4种影响苹果产量的关键气象因子,并运用逐步回归法和BP神经网络建立苹果产量预测模型,通过模型检验两种预测模型拟合效果均较好,均能够较好的预测今后苹果的产量趋势,BP神经网络模型预测有较高精度,但BP神经网络预测模型存在局限性。  相似文献   

16.
刘冰 《安徽农业科学》2015,(11):259-260,262
GM(1,1)模型由于其原始数据的起伏性和无序性,预测结果不是很理想.针对这一情况,采用马尔可夫链模型对GM(1,1)模型结果进行优化,并应用该模型对太子河干流化学需氧量进行预测.结果表明,应用灰色马尔可夫链模型进行预测,化学需氧量成逐年下降的趋势,2012年实际化学需氧量为11.4 mg/L,结果在(9.97,12.59)的预测区间,说明应用灰色马尔可夫链对水质进行预测是可行的.  相似文献   

17.
模型误差几种估计方法的比较及应用   总被引:1,自引:1,他引:0  
本文对林业实践中模型预测误差、预测相对误差的估计方法进行了讨论和比较,从非参数性方法导出了预测误差、预测相对误差的简捷估计方法,这些方法具有明确的统计意义,可用来检验模型的适用性,评价模型优劣。文中给出了估测森林蓄积量不同模型评价的实例。  相似文献   

18.
中国商品猪胴体瘦肉率预测模型的建立   总被引:1,自引:0,他引:1  
为在生猪屠宰线上较快地预测胴体瘦肉率,实现按瘦肉率大小对猪胴体进行等级划分,构建优质优价的收购体系,研究测定了325头5~8月龄不同类型阉割商品猪的热胴体重和背膘厚,并根据实际分割肉块重对瘦肉率进行了计算,以瘦肉率为因变量,热胴体重和背膘厚为自变量,采用SA S 8.2软件建立了商品猪胴体瘦肉率预测方程,并对其中的最优回归方程进行了诊断和准确性检验。结果表明,所建立的最优回归方程能较好的拟合商品猪的胴体瘦肉率。  相似文献   

19.
通过对连云港市2010年夏季(6~8月)气候预测的回顾,总结了该季的气候特征,并将预测与实况进行对比分析后,得到一些对连云港市2010年夏季气候预测效果较好的方法,以期将这些方法逐步加以验证和优化,最终建立连云港市夏季气候预测的模型。  相似文献   

20.
为评估城市扩张对生境质量的影响,以江苏省南京市为例,基于2009、2014年和2018年3期土地利用数据,采用CAMarkov和FLUS耦合模型对南京市2025年和2035年土地利用进行多情景预测,并运用InVEST模型评估其生境质量状况。结果表明,2009—2018年,南京市城镇用地呈不断扩张趋势,面积共增加223.65 km2,主要转入来源为耕地和农村居民点。2009、2014年和2018年市域的平均生境质量呈持续下降趋势,分别为0.448 1、0.441 1和0.433 4。4种模拟预测情景中,生境质量均值的排序为生态优先情景>协调发展情景>自然增长情景>经济发展情景,而生境质量等级分布差别较大的区域主要是南京市的北部、南部以及中心城区。具体来说,在自然增长情景下,2025年和2035年南京市生境质量将保持下降趋势,低值区面积占比较2018年分别增加1.40个百分点和2.87个百分点;在经济发展情景下,中心区域、南部及北部生境质量较自然发展情景下进一步下降,到2025年和2035年,低值区面积占比将分别增加2.67个百分点和4.76个百分点;在生态优先情景下,2025年和2035年南京市生境质量高值区面积占比较2018年分别增加0.40个百分点和1.04个百分点;而协调发展情景下,城镇用地规模将得到有序控制,林地的空间分布在原有基础上向外延伸,使得市域生境质量逐步提升,故2025年和2035年南京市生境质量高值区面积占比分别增加0.17个百分点和0.80个百分点。基于此,为进一步减缓南京市生境退化趋势,改善区域生境质量和生态环境条件,应合理控制城镇用地规模,采取适当的生态保护政策,同时有序开展国土空间整治与生态修复工作。  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号