城市用水量预测模型综合研究

从分析城市用水量变化规律着手，给出了城市用水量预测的常用模型，并以此为基础分析了选择用水量预测模型时所需考虑的影响因素。最后，以西安市日用水量预测为例，建立了三阶自回归预测模型，经与实测值对比检验，精度较高，可用于供水系统调度管理。     

天津市城市用水量模拟方法的研究

通过对时间序列分析方法的研究总结 ,提出了以季节性指数平滑法对城市用水量进行预测模拟。建立了城市用水量预测模型 ,并应用于天津市用水量的预测。经预测残差和自相关分析 ,证明该预测模型可以满足工程需要。     

城市用水量中长期预测模型的研究

城市用水量中长期预测结果 ,对于给水工程运行管理和城市基础设施规划有着重要的意义。认为城市中期用水量的预测应采用BP网络预测模型 ,长期用水量的预测应采用灰色预测模型 ,并通过实测验证了BP网络预测模型和灰色预测模型的合理性。     

灰色模型和BP神经网络模型在城市时用水量预测中的应用比较

在城市时用水量预测模型中,灰色模型和BP神经网络模型是两个应用较为广泛的模型,是它们有着各自的优缺点,预测精度也不相同.本文以南方某市为例,基于两种模型的预测原理,利用MATLAB数学软件对该市的时用水量进行了预测,并对两个预测模型的预测结果进行了误差比较分析,得出了BP神经网络模型是适合该市的时用水量预测模型.     

贝叶斯神经网络在城市短期用水预测中的应用

严格水资源管理制度实施的背景下,短期用水量预测对城市供水系统调度的作用日益显著。在分析日用水量时序演化规律及随机性影响因素的基础上,以前7天每日用水量、日最高温度、当月用水量占全年比、日降水量、节假情况作为短期用水量预测指标,构建了BP神经网络城市短期用水量预测模型,并利用贝叶斯正则化对BP神经网络进行优化。将两种模型应用于广州市某自来水公司进行对比验证,结果表明,贝叶斯神经网络预测模型与BP神经网络预测模型的平均绝对百分比误差分别达0.87%与1.85%,经贝叶斯正则化的BP神经网络模型泛化能力更强,精度提高了约0.98%,更符合城市短期用水量预测的高精度要求。     

基于神经网络的城市日用水量预测

分析了影响城镇日用水量的非线性因素,利用人工神经网络,选择影响城市日用水量的主要因素。建立城镇日用水量预测模型,并将该模型的预测效果与传统的日用水量模型预测效果进行比较,结果显示该模型的预测精度更高、所需时间更短、更适用于影响因素较多的城市日用水量的预测。     

城市年用水量灰色预测研究

灰色预测模型要求原始数据序列满足指数规律,而实际上城市用水波动性大,无典型指数趋势变化,而一般呈代数曲线形式变化,因此本文提出了改进的灰色模型在城市年用水量预测中的应用,改进的灰色预测模型主要基于灰色预测模型一次累加的建模思路。将改进的灰色预测模型用于某城市的年用水量预测,结果表明:改进的灰色预测模型与传统的灰色预测模型相比,平均相对误差以及原点误差均较小,可用于该市的年用水量预测,为该市年用水的宏观调控与用水规划提供参考。     

改进BP网络模型在年用水量预测中的应用

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,利用人工神经网络理论建立了改进BP网络预测模型,通过实例证明了该模型是一种行之有效的用水量预测模型。     

城市用水量预测

本文引用柯布——道格拉斯生产函数建立城市用水量预测模型,并以某市为背景作了实例计算,分析了城市居民消费水平、居住面积以及工业总产值的增长对该市2000年和2010年用水量的影响。     

基于组合灰色模型的阿克苏市城市用水量预测

基于灰色预测理论,建立了残差灰色预测模型与等维递补预测模型两者相结合的组合灰色预测模型,可以对城市用水量进行预测。以新疆阿克苏市1990～2002年用水量作为建模数据,利用4种不同模型分别对2003～2005年用水量进行预测。结果表明:组合灰色预测模型预测精度明显高于单一的灰色模型,具有预测精度高、简捷实用等特点。     

组合灰色预测模型在城市用水量预测中的应用

基于灰色预测理论,建立了残差灰色预测模型与等维递补预测模型两者相结合的组合灰色预测模型,可以对城市用水量进行预测。以青海省西宁市1998—2005年用水量作为建模数据,利用4种不同模型分别对2007年用水量进行预测。结果表明:组合灰色预测模型计算误差从基本模型的-2.06%下降到-0.34%,预测精度明显高于单一的灰色模型,具有预测精度高、简捷实用等特点。     

组合模型在用水量预测中的应用

鉴于一个地区用水量的复杂性和非线性的特征,分别采用灰色预测模型、Logistic模型和龚帕茨模型预测成都市城市用水量.通过进行冗余检验,灰色预测模型是冗余方法,剔除冗余方法后,对Logistic模型和龚帕茨模型采用最小化方差的办法进行权重分配,建立了成都市用水量的组合预测模型.结果表明:与单项预测模型相比,组合模型的预测精度高,预测结果更加可靠.     

用水量预测模型的灰色综合评价与择优

近年来,各种用水量预测方法不断出现,然而在对用水量预测模型拟合精度的评价上仅采用单一指标.针对这种单一指标评价方法的不足之处,建立了用水量预测模型的灰色理论综合评价体系,依据灰色系统理论中灰色关联分析的原理,提出了用水量预测模型的灰色理论综合评价方法,为用水量预测模型的评价及模型的择优提供参考.实例表明,该法评价的模型适应性较强,模型拟合精度较高.     

多元线性回归模型在城市用水量预测中的应用

应用多元回归的方法,对城市用水量进行预测。采取向前选择变量法进行优选,得到相对最优的回归预测模型。该模型拟合情况良好,可以用来预测城市用水量。     

城市给水系统优化调度研究综述

现介绍了城市给水系统优化调度的主要内容.用水量预测研究和给水管网数学模型研究是优化调度的基础.用水量预测模型是在分析城市用水量序列数据模式的基础上,综合利用统计回归的方法建立的数学表达式.给水管网数学模型是建立水厂出厂压力和流量与管网测压点之间的经验数学表达式,它反映了给水系统的运行工况.优化调度模型的建立和求解是优化调度的核心.     

偏最小二乘回归与灰色模型耦合预测城市用水量

 影响城市用水量的各个因素,存在多重相关性,采用传统最小二乘回归法建模,其估计参数存在较大误差,预测精度降低。运用偏最小二乘回归法建立城市用水量的预测模型可以克服变量间的多重相关性影响,并可以很好地解释因变量;采用GM（1,1）建立的城市用水量预测模型,能够克服参数的非线性干扰,进行中长期预测。结果和实际符合,将两者进行耦合,充分利用了两种模型的优点,预测结果更为合理可靠。     

中长期用水量预测在城市水资源配置中的应用

本文从H市给水管网系统改扩建工程的实际出发,运用灰色神经网络方法对城市中长期用水量进行了预测,建立了灰色神经网络GNNM(1,1)用水量预测模型,达到了在数据较少情况下提高预测精度的目的,编程实践证明是可行的。     

城市给水系统优化调度研究

用水量预测研究和给水管网数学模型研究是优化调度的基础,用水鼍预测模型是在分析城市用水量序列数据模式的基础上,综合利用统计回归的方法建立的数学表达式;给水管网数学模型是建立水厂出厂压力和流量与管网测压点之间的经验数学表达式,它反映了给水系统的运行工况.优化调度模型的建立和求解是优化调度的核心.     

赋权指数平滑模型在城市日用水量预测中的应用

提出了一种新的用水量预测模型--赋权指数平滑模型,将其应用到城市日用水量预测中,预测结果具有很高的精度,平均绝对误差MAPE达到0.596%.比较发现赋权指数平滑模型得到的均方差与平均绝对误差均小于其他方法,进一步证实赋权指数平滑模型具有较高的预测精度,适用于日用水量的预测.     

基于残差灰色-马尔可夫链的生活用水量预测研究

针对传统GM(1,1)模型在用水量预测方面对非增长序列预测精度差、出现过拟合等问题,采用结合马尔可夫链修正的残差灰色模型预测生活用水量。首先在传统灰色理论预测的基础上,建立了改进残差灰色预测模型:对残差绝对值建立灰色模型,再结合马尔可夫状态转移矩阵判断残差预测值在tn时的正负号,对灰色预测值进行修正。将模型运用于河南省2007—2018年生活用水量预测,结果表明,传统灰色预测模型与改进残差灰色预测模型的平均相对误差分别为4.14%、2.04%,改进残差灰色预测模型的精度等级为"良";同时,改进后模型的后验方差也小于传统模型。这表明改进模型比传统灰色预测模型有更高的精度,拥有更好的可靠性,可以为用水量预测提供新的方法。