GA-SVR模型用于日供水量预测的研究

针对日供水量预测问题,提出一种基于遗传算法的支持回归向量机(GA-SVR)模型。以H市为例,采用GA-SVR模型对日供水量进行了预测,并与BP模型和SVR模型的预测值进行了比较。结果表明,H市日供水量预测值与实际值的误差均小于5%,且GA-SVR模型的预测精度高于BP模型和SVR模型。由此可见,GA-SVR模型是一种有效的预测日供水量的方法。     

综合法优选局域邻近点的供水量预测模型

基于混沌理论的局域法是目前较先进的预测技术,对于非线性、非平稳特征较强的城市日供水系统的预测,通常混沌局域法更适用。混沌局域法的日供水量预测,最重要的就是对历史信息的利用,即对邻近点的选择和利用,但在运用混沌局域法对城市日供水量预测时却鲜有人考虑邻近点选取问题,或仅考虑邻近点个数与邻近点位置中的一个,很少没有人将2种情况综合考虑的研究。据此,运用BIC信息准则和衰减系数相结合对相空间重构进行数据挖掘,优选混沌局域法的邻近点,并用该模型对实际水厂日供水量进行了预测。结果表明,运用该方法能显著提高日供水量预测精度,预测平均绝对误差仅为1.06%,说明该综合法是可行的。     

混沌局域法与神经网络组合供水量预测

城市供水量是非线性、非平稳时间序列,组合预测模型能获得更高精度预测结果。通过深入分析混沌局域法与神经网络预测模型特点,提出了一种新的组合预测模型。首先,应用混沌局域法对城市日供水量进行初预测,然后,应用神经网络对预测结果进行修正。由于所提出的组合模型利用了混沌局域法及神经网络进行优势互补,能同时提高预测精度与计算效率。为验证所提出组合预测模型的可行性,采用某市7a实测供水量数据,对混沌局域法、BPNN、RBF及GRNN神经网络4种单一预测模型及相应的3种组合模型预测精度进行定量分析,结果表明,组合预测模型精度都高于对应单一预测模型,混沌局域法与GRNN神经网络组合模型预测精度最高,且运算时间远低于单一神经网络模型运算时间。     

基于多分辨BP神经网络的城市日供水量预测模型

鉴于BP神经网络预测城市日供水量的不足,提出了基于多分辨BP神经网络预测模型。通过离散小波变换将日供水量序列的复杂特性转化为不同尺度下的单一特性,并分别进行BP神经网络预测。针对日供水量的混沌特性,对其进行相空间重构,重构后的时间序列为网络输入。应用实例表明,与单一BP神经网络相比,多分辨BP神经网络可更好地反映序列细节和变化特性,具有更高的预测精度,平均绝对百分比误差为1.481%。     

局域法邻近点选取对供水量预测精度的影响

混沌局域法预测模型适用于非线性、非平稳的城市日供水量预测,而邻近相点个数的选取对该模型预测精度有直接影响。传统方法通常以嵌入维m作为参考值,凭经验选取m+1个邻近相点,且仅使用欧式距离法计算当前相点距离,无法反映相点的运动趋势,易引入伪邻近相点,导致预测精度的降低。鉴于此,将演化追踪法引入城市日供水量预测,通过挖掘邻近相点的历史演化规律对参考样本进行优选,以提高预测精度。最后,采用实际日供水量数据验证所提出方法,结果表明,运用演化追踪法优选邻近相点能显著提高日供水量预测精度,预测平均绝对误差由2.501%降低到1.683%。     

城市供水量预测的数学模型

考虑到时间、温度、水价对供水量的影响,建立了城市供水量预测的差分阻滞模型和神经网络模型,并对其预测结果进行了比较.结果表明:各模型都是可行的,且预测精度很高.考虑到用水负荷的从众心理和水价对个体用水量的影响,利用元胞自动机模型对水价与城市供水量之间的关系进行了模拟,模拟结果表明当社会从众心理一定时,水价的调整对供水量的影响有一个最有效的范围.     

滨海新区水资源供需量预测及用水结构特点分析

需水量及供水量是城市用水和供水系统进行规划和配置的主要依据,为保证城市水资源供需平衡,需对城市需水及供水量运用科学准确的方法进行预测。根据滨海新区发展规划及产业布局,在调查研究的基础上,选择合理的用水量指标,首先对滨海新区2020年城市需水量进行预测,并对预测结果进行合理性分析,同时利用滨海新区多水源可利用性分析成果对滨海新区各类供水量进行预测,最后根据上述预测成果对滨海新区用水结构及用水特点进行分析。结果显示,2020年滨海新区城市预测需水总量和用水总量均为12.69×108m3,其中需水量与天津城市供水规划中相比稍大10%,相比2010年则年均增长11.46%,预测结果在合理范围内。     

基于BP神经网络的供水管网分时段宏观模型研究

准确快速地模拟供水管网的运行状态是城市供水系统优化调度的前提和关键。针对城市供水管网建模难的状况，结合南京市供水管网的特点，利用BP神经网络建立了城市供水管网分时段宏观等效模型。经实际运行数据验证，该模型计算得到的压力预测值与实际值非常接近，预测误差能满足优化调度的工程精度要求。可见该模型基本上能反映南京市供水管网的供水量与水压的关系，可用以模拟城市供水管网的运行状态，为管网优化调度提供了有力支持。     

人工神经网络在中水供水量预测中的应用

为了保护有限的水资源,促进中水回用,某城市中水公司需要根据供水量的记录来预测未来某时的用水量,以安排生产调度计划.根据已有的记录,通过运用BP人工神经网络的计算机模拟得出供水量与最高、最低、平均温度和焦炭、焦煤价格指数的关系,模拟数据与实际数据基本一致,可用该方法对未来一个月的供水量进行预测.     

改进型GM（1,1）模型在电力需求预测中的应用

提出一种改进型GM（1,1）模型,通过同时优化模型背景值和初始值的方法来提高模型预测精度,以北京地区电力需求预测为例,对改进模型的有效性和准确性进行了研究,M atlab仿真结果表明,改进型GM（1,1）模型预测精度比灰色GM（1,1）模型更高。     

城市供水量季节规律分析及预测研究

城市月供水量规律分析和预测是供水企业调度管理工作的重要组成部分。以天津市为例,考虑到供水量的季节规律变化,提出了基于季节指数的水量预测模型,并进行了预测结果准确性的验证。结果表明,预测值和真实值相对误差的绝对值在0.559%~5.803%之间,能较好地满足月供水量预测要求。     

演化追踪法优化相空间的SVM供水量预测模型

相空间重构的支持向量机预测模型应用十分广泛,在城市供水量预测方面也占据着重要地位,传统的预测模型趋向于将重构的相空间整体带入,这样可能存在引入无效相点从而影响预测精度的问题,基于此将演化追踪法引入相空间重构的预测模型对有效相点进行筛选,优化预测模型的训练样本,达到提高预测精度目的。利用MATLAB编程软件将演化追踪法用于城市供水量的预测,预测结果的平均绝对误差由0.52%降低到了0.29%,证明了演化追踪法的可利用性与有效性。     

元江县自来水厂

元江县自来水厂始建于60年代末，供水规模为324立方米／日，供水方式为集中式供水：1983年至1984年由省、地、县三级投资45万元，在清水河边（南门桥段）建设日供水规模为1500吨／日的水厂一座；1993年，由省、地、县投资326万元新建自来水厂一座（龙洞水厂），供水规模达5000吨／日。1997年再次扩建自来水厂（龙洞水厂），水厂日处理水能力达到15000吨/日。目前城市供水人口达1．8W人，供水量达11000立方米／日，城区自来水普及率达99％。     

基于BP神经网络的合流制截污管溢流实时控制方法

提出了一种基于BP神经网络的合流制截污管溢流控制方法,通过使用当前时刻前一段时间每5 min的降雨、控制点水位、蒸发量和雨前干期等数据对控制点未来一段时间的水位进行预测,当控制点预测水位长时间超过设定值时,则实施开闸溢流。通过对近2年共3 000组观测数据进行训练测试,发现该模型的平均绝对误差（MAE）为0.111 5、均方根误差（RMSE）为0.156 5、平均百分比误差（MPE）为0.045 3%、纳什-苏特克利夫效率系数（NSE）为0.938 6,表明该模型在整体预测上满足应用要求。现该模型已部署至武汉市智慧水务系统,并在2023年7月8日的降雨事件中,预测到水位将会上升到22.7 m以上,实施开闸溢流,避免了城区内洪灾害。     

典型欠压城市供水系统升压供水水量估测及分析

随着城镇化高速发展,我国大多数中小城市由于供水管网扩建、管龄过长等原因,城市供水长期处于供水不足的欠压状态。提高供水水头增大供水量时,水费收益和管网漏失量将随之增加,合理地确定供水量和供水水头是各城市自来水公司解决城市供水的重要途径。然而目前我国部分中小城市所能得到的城市供水系统的基础资料非常少,精确预测其用水量进行最优化调度仍有很大困难。从宏观角度出发,针对基础资料较少的欠压城市建立了欠压状态下供水量估测模型,并将该模型应用于某中小城市,分别预测出提高不同供水水头时的用户用水量和管网漏失量,为该城市自来水公司根据自身泵站电耗确定经济供水水头提供依据。实践结果表明,仅通过改造泵站来提高用户用水水头的方法并不完全可行,应调查城市管网实际情况,在提高泵站水头的同时可适当扩大管径或并行敷设新管。     

喷射工艺及土壤质地对岩石边坡植被护坡效应的影响

通过试验定量研究了岩石边坡植被护坡喷射施工过程中，喷射压力、供水量及所用土壤质地对植被萌发生长及基质混合物稳定性的影响。研究结果表明：（1）植被出苗率、后期生长高度及最大收缩率随喷射压力的增加而降低，随供水量的增加而提高；（2）基质混合物抗剪强度与回弹率表现为随喷射压力的增加而提高，随供水量的增加而降低；（3）喷射压力、供水量及土壤质地对基质混合物的侵蚀影响不显著。试验条件下，各处理类型的基质混合物的产砂量变幅均为超过5％；在相同的工艺控制条件下，基质混合物所用土壤质地不同，植被出苗率、后期生长高度及基质混合物最大收缩率、抗剪强度、回弹率均有较大差异，且受工艺控制条件改变的影响程度不同。以植被出苗率、后期生长高度及基质混合物的最大收缩率、抗剪强度、回弹率为综合评价指标，对试验结果进行逐步回归分析，建立了喷射施工的效应模型，该模型中包括了喷射压力、供水量及基质混合物所用土壤的质地指标。以上研究可为岩石边坡植被护坡工程的喷射施工提供理论依据。     

基于灰色马尔柯夫模型的公务航空业务量预测

针对公务航空业务量波动性和随机性较大的特点,以及我国公务航空起步晚、统计数据少的现状,提出了灰色与马尔柯夫相耦合的灰色马尔柯夫预测模型,指出这两种模型的科学组合,既综合了GM（1,1）灰色模型和马尔柯夫预测各自的优点,又提高了预测的精度,最后,通过对我国香港机场公务机起降量预测,验证了该预测方法的有效性。     

基于Dropout-LSTM模型的城市燃气日负荷预测

提出采用Dropout技术的长短期记忆神经网络模型(Dropout-LSTM模型),对城市燃气日负荷进行预测。由于不同时期的燃气日负荷具有不同特点，将全年分为供暖期、过渡期及非供暖期，分别对3个时期的日负荷和影响因素进行相关性分析，确定3个模型的输入特征，建立3个时期的日负荷预测Dropout-LSTM模型，采用平均绝对百分比误差对模型预测效果进行评价。Dropout-LSTM模型可以很好地预测城市燃气日负荷，比BP模型、LSTM模型以及SVM模型有更好的预测效果。与基于全年数据的全年预测模型相比，分时期预测模型预测精度更高。供暖期的燃气日负荷规律性强，对供暖期的日负荷预测精度最高，非供暖期次之，由于过渡期日负荷波动大，预测效果是3个时期中最差的。     

人群聚集与用地构成关系下的职住平衡研究——以贵阳市主城区为例

城市空间单元职住平衡水平受用地布局的影响明显,根据用地规划数据预测城市内各单元的职住比对指导规划方案的优化调整具有重要意义。基于用地结构与人群聚集的相互关系,以百度热力数据、2018年和2020年用地现状及规划数据为基础,选用多尺度地理加权回归（MGWR）模型对规划方案的人群聚集分布进行预测,进而分析和比较城市空间结构、职住平衡状况和不同职住类型单元的用地结构差异。结果表明：（1）MGWR模型能更好地对规划方案的人群聚集进行预测;（2）贵阳市主城区各城市功能组团在不同时段的人群聚集均存在较大差异,主城区始终呈“双核多组团”的空间结构;（3）按职住比对空间单元类型进行划分,其空间分布格局由内向外始终呈“居住倾向—相对平衡—就业倾向”的圈层变化,规划方案对研究区的职住平衡具有促进作用;（4）居住倾向型单元与就业倾向型单元在用地构成上的差异最大,相对平衡型单元与就业倾向型单元的差异其次,居住倾向型单元和相对平衡型单元的用地构成差异最小。最后,从促进职住平衡的目标出发提出优化建议,以期为规划方案的调整提供参考。     

相互作用模型在城市规划中的运用

城市增长是未来几个世纪备受关注的问题。为了保证城市可持续发展，有必要对城市的发展进行监控，但预测城市的发展趋势需要一些空间信息的支持、卫星图像能够提供可靠的信息用来评定城市增长的不同状态，而预测未来的建设区段则更加重要。本文构建了相互作用模型（interaction models），或者更精确地说叫潜力模型（potential model），以确定城市空间的扩展方向。该模型被运用于法国斯特拉斯堡地区的分析，采用了两张遥感数据影像，一张用于模型处理，一张用于检验结果。另外，模型还运用GIS技术以提高准确度，同时还考虑到了交通网络。