基于Matlab 的人工神经网络生活

寻找一种适当的方法来科学地预测城市生活需水量，对城市的发展具有十分重要的意义。鉴于城市生活用水量受众多因素影响，并具有复杂的非线性的特点，建立了基于Matlab技术的LM-BP网络的城市用水量预测模型，并利用某市的家庭生活用水量的实测数据对该模型进行网络的训练学习和预测验证。结果表明，采用Matlab技术建模具有方便快捷、不会陷入复杂的编程运算的困扰中的优点，同时该模型具有收敛速度快、预测精度高的特性，为城市生活用水量预测提供了一种行之有效的方法。     

等维灰数递补动态模型在城市生活用水量预测中的应用

运用灰色系统理论中“等维灰数递补动态模型”对城市生活用水量进行了分析与预测。一是对用水人口进行预测,并运用回归理论对城市生活用水量与用水人口的关系建立模型,对城市生活用水量进行了预测;二是运用等维灰数递补动态模型直接对生活用水量进行预测。     

灰色系统与多元逐步回归耦合模型在年用水量预测中的应用

探讨了将多元回归分析模型和灰色系统GM(1,1)耦合应用于北京市总用水量预测的方法和技术.对北京市1980～2001年的序列资料,利用灰色系统的关联度分析和逐步回归的思想,通过比较和选择,建立了多元线性逐步回归方程;将用GM(1,1)模型拟合反推得到的预测值带入方程求出总用水量的未来值.结果表明:人均日生活用水量和工业用水量是影响北京市总用水量变化的主要因素.灰色系统与多元线性回归的耦合模型用于对城市总用水量的预测是行之有效的.     

基于趋势面模拟的城市用水量分析及预测

以山西省某市1999-2009年城市用水量为因变量,该市城镇化水平和GDP为自变量,建立了城市用水量变化趋势面模型,比较了不同阶次趋势面模型的拟合程度,并绘制了趋势面和残差等值线图.经分析得出,该市城市用水量与城镇化水平、经济状况等因素密切相关,并可通过预测将来某年的城镇化水平和GDP,进而预测所研究年份的城市用水量.     

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。     

系统动力学模型在高校中水回用系统中的预测研究

以河南某高校中水回用系统为研究对象,通过分析各项用水因素间的关系,构建了系统动力学模型,并在对该模型精确度验证的基础上,对不同的人均用水量增长率条件下该校未来20a的用水总量、自来水用水量、中水用水量和需求量进行预测分析。结果表明,该模型能够较准确地预测用水量,并为中水回用系统的推广和优化提供参考。     

城市用水量与城市化进程的关系探讨

初步提出了城市用水量与城市化进程之间关系的数学模型．以杭州市为例，经比较分析。得出城市用水量与城市化程度成半对数关系的结论。并运用此模型进行用水量预测。可以为城市用水量的规划提供参考依据。     

基于灰色动态模型群的需水预测研究

依据灰色系统理论,构造了一个由5个GM(1,1)模型组成的灰色动态模型群,并运用该模型对福建省泉州市用水量变化趋势进行了预测分析。研究表明,灰色动态模型群能够充分利用近期用水量信息预测未来用水量变化趋势;以模型群统计平均值作为最终预测值,避免了单一灰色模型容易利用不稳定信息的缺陷,使得预测精度更加准确,预测结果更为可信。     

基于遗传算法和BP神经网络的用水

为避免BP算法易陷入局部极小的缺陷，根据遗传算法具有全局寻优的特点，将二者结合起来形成GA-BP混合算法。以GA优化BP网络的初始权值和阈值，按负梯度方向修正网络权值及阈值，对网络进行训练。最后，用matlab编写GA-BP计算程序，以多组数据进行测试，并与纯BP算法进行分析比较，结果表明该方法可以有效、准确的应用于城市用水量预测。     

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。     

城市工业用水量的灰色马尔可夫预测模型

灰色GM(1,1)是预测城市工业用水量的模型,这种模型不适合长期的、随机和波动性较大的数据序列预测,但是马尔可夫模型适合描述随机波动性较大的预测问题.可以将这两种模型结合,构建灰色马尔可夫预测模型.按特定的状态划分方法,先用灰色GM(1,1)预测模型进行预测,再用马尔可夫模型预测结果进行优化,使预测精度大大提高.最后以抚顺市为例,预测结果证明了该模型的优势.     

基于时差相关分析与回归模型的用水总量预测

依据最严格水资源管理制度中水资源开发利用红线指标——用水总量的影响因素特征及其变化规律,对其提出综合运用时差相关分析与多元回归模型的预测分析方法,该方法特点是在时差相关分析法鉴别出先行影响因子的基础上,再建立多元回归模型预测用水总量。以太湖流域为实例,通过时差相关分析法筛选出与区域用水总量相关的人口、产业结构比、农田面积、人均用水量、工业用水量等8个预警指标,再借助SPSS软件建立多元线性回归分析预测模型,模型检验表明该方法具有较好的拟合度和预测精度。通过该模型方法预测了太湖流域2015年及2020年用水总量,并分析了其变化趋势,所用方法及其计算成果可为太湖流域水资源承载能力评估提供参考依据。     

波动水资源数据灰幂模型预测中的维数选择

针对GM(1,1)幂模型预测中如何选择合适的样本维数提高模型精度问题,探讨小样本波动统计序列光滑度的判断方法及其对GM(1,1)幂模型预测结果的影响,利用GM(1,1)幂模型白化计算公式完成最小二乘准则下的参数计算,在此基础上构建序列统计数据预测计算模型,将其应用于城市用水量波动统计数据预测,并进行GM(1,1)幂模型样本维数预测精度探讨,计算结果验证了波动统计序列光滑度与GM(1,1)幂模型预测精度的关系,为小样本波动统计序列建模和预测提供了一种计算方法。     

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。     

基于联合时序的混沌时用水量短期预测调度

针对给水优化调度的时用水量高精度短期预测难题,提出一种基于横向分时段和纵向残差修正的联合时序短期混沌预测方法.经模式识别获得关联度高的横向时序为研究样本,重构横向分时段相空间并分析典型时段流量数据的混沌特性,建立混沌预测模型,以在线最小二乘支持向量机作为混沌预测工具得出各时段用水流量;为了能动态跟踪用水突变,实时采集纵向数据序列做残差计算,进而用灰色模型进行残差预测修正以提高预测精度.依据杭州市萧山某大用户时用水量实例,对一段时间的正常用水和突变用水做连续24 h短期混沌预测,在不同方法下的时用水量预测精度作深入对比研究.仿真结果表明：该预测方法对这一类混沌时序短期预测具有良好的计算精度,能很好反映各典型用水日的特点和实时用水变化情况,预测效果明显优于其他预测方法,更易满足供水优化调度的需求.     

基于人工神经网络模型的关中地区用水量的预测

未来用水量的预测对制定区域宏观经济发展规划、水资源规划以及水资源合理配置等具有重要的指导意义,为区域经济的可持续发展提供重要保障.在1986-2005年的用水量演变分析基础上,选取出城镇人口、灌溉面积、GDP、耕地面积、降水量和ET06个驱动力因素,建立了基于驱动力因子的用水量预测的人工神经网络BP模型,并对关中地区2006-2020年的用水量进行预测.     

区域农业灌溉用水量长期预报模型研究

农业灌溉用水是一动态、非平衡随机过程,其水量预报中存在灰色不确定信息。如何通过大面积农业灌溉用水量的长期预报,指导灌区用水实时管理,则是水利工程规划管理和农业高效用水中待研究的重要问题。本文基于时间序列分析方法,建立了区域农业灌溉用水量长期预报分解模型,给出了灰色ＧＭ（１,１）趋势预测、方差周期分析以及ＡＲＭＡ（２ｎ,２ｎ－１）随机分析相结合的模型求解方法,并编制了相应模型软件支持系统。该系统具有自动进行模型特性检验、结构识别、参数优选及拟合预测计算等优点。应用所提模型,对南水北调中线进行农业灌溉用水量的年预报研究,取得了满意结果,由此表明所提模型与方法是合理可行的。     

改进灰色预测模型在灌溉用水量建模中的应用

灌溉用水量系统受诸多不确定性因素的影响,采用灰色预测方法对甘肃省灌溉用水量进行建模分析.通过对灰色GM(1,1)模型的预测精度的分析表明,GM(1,1)预测公式系数的选取存在缺陷.因此基于残差和为零准则,就预测公式系数C的选取问题提出新的计算方法,并对系数修正前后的模型分别建模.结果表明;改进灰色模型预测灌溉用水量与实际用水量更接近、精度更高.     

基于模糊神经网络的农村电力短期负荷预测

为提高负荷预测精度,提出了一种新的模糊神经网络短期负荷预测模型。该模型将模糊系统和神经网络的优点融合在一起,并利用小生境遗传算法优化模糊神经网络参数,提升网络运算性能。某农村地区电力短期负荷预测的计算结果表明,该方法具有较好的预测效果。     

基于蜻蜓-高斯过程回归耦合的居民社区时用水量动态实时区间预测

准确的居民社区时用水量预测对于水资源的优化调度和管网的稳定运行具有重要意义。为了克服传统的ANN、SVM等预测方法只能得到确定的点预测结果和未来某一时刻的预测结果,而无法给出预测的区间,也不能进行实时预测的缺点,提出了一种基于蜻蜓-高斯过程回归耦合的居民社区时用水量动态实时区间预测方法。用擅长全局搜索和对初始值没有依赖的蜻蜓算法对高斯过程回归的超参数进行寻优。结果表明,本模型预测精度较高,最大的相对误差为仅0.019,具有较强的实用价值,为未来水资源实时调度提供理论依据。