银川市水资源利用探析

通过时银川市社会经济发展趋势和现有的水资源总量进行了分析，对城市用水系统中的生态用水、工业用水、城镇生活用水等进行了预测．结合银川市“塞上湖城”的建设目标，提出了银川市未来生态用水量将会明显增加；城市生活用水随着人口的增多和人民生活水平的提高也将逐渐增加；伴随工业发展成为城市发展的主要动力，未来城市工业用水也会小幅度攀升．从城市水资源供给分析，目前，银川市水资源主要由地表水和地下水资源共同构成．地表水资源主要用于农业灌溉，而地下水资源则几乎全部用于城市生活、工业用水等；而农业用水量占目前银川市城市用水的90％以上，因此，实行农业节水灌溉有很大的潜力．     

工业用水定额的变化对需水量预测的影响研究

山西万家寨引黄入晋工程是国家重点建设工程,山西是国家能源重化工基地,水资源缺乏,地下水超采严重,制约了当地人民生活和经济的发展,引黄工程是解决山西省城市人民生活及工业水资源紧缺问题的根本举措.需水预测是确定工程规模的重要依据,为了确定引黄工程的规模及其经济效益,分别于不同年份对太原供水区进行了三次需水预测研究.由于影响需水预测的因素众多,致使三次需水预测值有所不同,重点分析了工业用水定额的变化对需水预测的影响.结果表明,工业结构、生产工艺、设备、规模和工序对万元产值取水量和复用率等工业用水定额影响较大,而工业用水定额的变化将引起需水量的变化.     

基于投入占用产出理论的黑龙江省水资源经济分析

水资源是制约社会经济可持续发展的重要因素之一,故水资源有限的情况下,合理利用水资源,提高用水的经济效益就变得愈加重要。以黑龙江省为例基于投入占用产出理论建立水资源投入产出表,计算该省的用水效率和用水效益。基于两者的比较分析,对黑龙江省国民经济部门的用水特性进行了综合评价。研究结果表明,黑龙江省农业耗水量最大却效率低下,用水成本高,经济效益差;工业用水效率高,经济效益较好。因此,建议应提高农业内部用水效率,发展工业,调整全省的产业用水结构,提高用水的整体经济效益,为建立节水型社会提供科学的决策依据。     

常规给水处理工艺处理效率的神经网络预测与控制

建立了常规给水处理工艺处理效率神经网络预测模型和混凝剂投量预测模型。应用结果表明，建立的预测模型具有较高的预测精度：对浊度和UV254处理效率的相关系数（R^2）分别为0．86和0．80，对混凝剂投加量的预测精度相关系数为0．72。模型的预测精度可基本满足常规工艺的在线控制和实时调控，使水处理系统在原水水质变化情况下，实现系统优化运行控制。分析模型误差的原因，并对比偏最小二乘回归模型说明神经网络模型的精度，指出该模型在系统优化运行中的可行、及时、准确性。     

预测城市用水量的人工神经网络模型研究

为了提高多层前馈神经网络权的学习效率,引入变尺度方法来训练神经网络的权值,并根据训练误差自适应调整学习系数和动量因子.将该方法应用于城市用水量预测中,建立了非线性人工神经网络预测模型.该模型考虑了城市工业用水重复利用率、用水人口、经济发展等众多因素对用水量需求的影响,具备系统决策功能.杭州市预测实例表明,建立的模型及其相应计算方法具有较高的预测精度和准确度.     

淄博市张店区工业用水水平分析及对策

工业用水是城市节水的重点，在缺水城市更是如此。本文分析了张店地区工业用水水平现状，对工业用水前景进行了预测，而且针对当前严峻的帛水形势提出了工业用水对策。结论是；节约用水是缓解区内水资源供需矛盾的有 效途径。     

农村城镇化进程中浙江农村用水结构演变研究

浙江省农村用水包括农村工业用水、农村生活用水和农业用水．采用灰色预测模型,对浙江省农村用水,包括农业用水、农村工业用水和农村生活用水量进行了中长期预测,且根据预测结果对浙江省的农村用水现状、农村用水结构中长期演变趋势及促成因素进行了分析．并对未来的农村用水量进行预测,有助于进一步加强水资源管理．     

基于神经网络的客服中心话务量预测模型

针对现有预测模型在话务量发展趋势变化、新技术新业务引入后模型失效、预测精度下降等问题,提出一种基于神经网络和事件样本库的智能预测方法。该方法具有自学习功能,可根据预测误差自动调整预测参数并更新事件样本,对话务量趋势变化、事件影响程度变化及新事件的发生具有持续自适应能力。仿真结果表明,该预测方法能有效降低预测误差,与现有方法相比,话务量的预测精度提高了6．57％。     

水资源需求预测研究

叙述了国内外在水资源需求预测方面的研究概况。在系统研究水资源需求预测的常用预测方法和模型的基础上，对过去需水量预测中存在的主要问题进行了分析，并对需水量预测中长期需水量预测结果与实际情况误差较大的问题作了深入探讨，认为，对需水量变化规律认识的不足是产生需水量预测误差的主要原因。指出，对水资源需求预测方法及水资源需求量的预测研究都有待于进一步完善。     

LS—SVM算法在光伏短期功率预测中的应用

以光伏阵列为研究对象,分析了辐照强度、温度以及日类型对光伏阵列出力的影响。建立了光伏短期功率预测最小二乘支持向量机LS-SVM模型。依据实验数据对模型进行了验证计算．并与BP神经网络模型做了比较,其中LS-SVM模型最大相对误差值为10．54％,平均绝对百分比误差（MAPE）为8．18％,绝对误差平方和平均值的均方根（RMSE）为0．4884,表明模型预测值离散化程度较小,所有预测点均与实际值非常接近,模型具有较好的拟合效果和泛化能力．可以有效地预测短期光伏发电功率。     

基于灰色系统理论的高校用水量预测

为了准确预测高校用水量,基于灰色系统理论建立了高校用水量预测模型,确定了用水人数、占地面积、绿化率、管网有效供水率和节水器具普及率五个影响用水量的主要因素,并计算出各因素的灰色关联系数及关联度,对用水量预测模型进行求解.预测结果显示,排除学校放假影响因素,其他季度用水量预测值与用水量实测值相对误差小于5％,模型后验差比...     

数据驱动的城镇智慧水务日用水量预测算法

针对国内某中小型自来水公司的实际供水情况,通过对比相关系数分析了天气等因素对日供水量的影响,确定了日用水量预测所需的输入参数;比较了3种用传统基于大数据的水量预测方法在该自来水公司中应用的性能,针对用传统方法预测误差较大的问题,提出引入前一日用水量和前8 h的用水量作为影响因素的改进方法.将所提方法在该自来水公司的信息系统中进行了实际测试,验证了所提算法的有效性.根据算法性能和实现复杂度,给出了适用于城镇水务的水量预测算法和算法执行形式,能够帮助水务企业提高水量预测精度,有效提升水资源的利用率.     

基于SOM-RBF神经网络的用电量预测模型研究

随着我国电网建设的高速发展,从日常电力负荷变化趋势剖析未来年度用电量已经成为电网建设的关键问题之一。根据1997~2016年湖北省年用电量及其10个影响因子的数据作为样本,提出了一种自组织特征映射神经网络(Self-organizing Feature Maps,SOM)与多变量的径向基函数(Radial Basis Function,RBF)结合的人工神经网络预测模型新方法。采用先聚类、再分类预测的方法,解决了由于RBF神经网络对于少量样本和训练样本点分散所导致的预测精度降低的问题,改进的神经网络泛化能力有所提高。结果表明:通过SOM-RBF组合算法进行预测,其相对误差维持在3%以下,平均相对误差为1.88%,预测效果较BP神经网络和RBF神经网络有较大的提升。这表明SOM-RBF组合算法可有效的用于用电量预测,具有较高的实用价值。     

华北平原水资源紧缺情势与因源

基于水资源可持续利用理念,从水资源承载能力演化周期性、经济社会需用水规模难变性和未来水资源供需关系入手,介绍近60年以来华北平原水资源情势,特别是该平原水资源量、实际用水量和地下水开采量变化特征,并结合未来10到30年区域经济社会发展需用水量趋势,识别和诊断华北平原水资源紧缺因源。结果表明:由于降水量减少导致华北平原缺水(自然资源性缺水)占该平原总缺水量的15.1%～16.4%;因管理缺陷导致水资源浪费的缺水(管理性缺水)占22.1%～24.2%;人口数量和经济社会发展规模过大导致用水量超过区域水资源承载力的缺水(政策性缺水)占59.3%～62.5%。自然资源性、管理性以及政策性缺水的解决对策不同:自然资源性缺水是不依人的意志为转移的,惟有从外域适量调水才能解决;管理性缺水可通过社会文明进步和科技进步不断修正;政策性缺水宜因势利导进行经济社会布局和产业结构调整,特别是限制高耗低效用水产业。即使南水北调工程70.3×10⁸m³/a水进入华北平原,该平原地下水超采情势也难以得到根本性扭转。有新增水源调入或华北平原严控生活和工业用水量,同时大幅压减农业用水量,因势利导优化和逐步调整经济社会布局和产业结构,特别是灌溉农业进行规模化减蒸、降耗、节水的改造,将是缓解华北平原地下水超采和水资源紧缺的根本所在。     

调度时用水量预测的分时段混沌建模方法

针对传统调度时用水量需求预测方法在预测结果精度及稳定性方面存在的困难,鉴于分时段时用水量序列的最大预测时间尺度远大于连续时序列的混沌理论分析结果,利用混沌相空间近邻预测建模理论,提出了时用水量向前24 h预测的分时段混沌建模方法.该方法经实例验证,向前24 h预测结果稳定性较好,误差较小(平均相对误差小于2%,最大相对误差小于5%),可满足供水优化调度的需要.     

成都市居民未来生活用水量预测模型的选择

以成都市居民生活用水量为背景,采用不同的预测方法进行了实例计算,分析比较了多个模型的预测精度,并在此基础上确定了适合成都市居民生活用水量变化特征的新的预测模型－自组织模型。研究结果表明,自组织方法（GMDH）是强有力的建模方法,是一种有效的预测手段。     

飞蛾火焰优化算法-投影寻踪回归模型在需水预测中的应用

基于用水时间序列构建投影寻踪回归(PPR)需水预测模型。针对PPR模型矩阵参数难以确定的不足,利用一种新型群体智能仿生算法——飞蛾火焰优化(MFO)算法优化PPR模型矩阵参数,提出MFO-PPR预测模型,并构建MFO-BP模型作对比,以1980—2013年上海市需水预测为例,分别利用实例前20组和后10组数据对模型参数进行率定及预测。结果表明:MFO-PPR模型对实例后10 a需水预测的平均相对误差绝对值和最大相对误差绝对值分别为1.84%、4.20%,预测精度优于MFO-BP模型的2.06%、4.61%。MFO算法具有较好的全局寻优能力,将MFO算法应用于PPR模型参数寻优,可有效地提高PPR模型的预测精度。     

基于马尔科夫链改进灰色神经网络的水质预测模型

根据汾河运城段的实际情况,应用改进灰色神经网络对水质进行预测.在数据处理以及关联度分析的基础上,选取关联度较高的氨氮、挥发酚、水温、BOD5及COD作为灰色神经网络的输入节点.应用灰色神经网络对水质进行预测,再用马尔科夫修正误差残值,可使修正值更加接近实测值.灰色神经网络的相对误差为68.44%～4.69%,改进灰色神经网络将相对误差为41.96%～2.23%,可见改进神经网络的预测精度更高.改进灰色神经网络模型,结合了灰色神经网络和马尔科夫的优点,提高了预测的精度,并以汾河河津大桥监测断面的水质预测为例,验证了该方法的可行性.     

黄河水资源现状及保护对策研究

黄河是我国西北和华北地区的重要水源,承担着全国12%的人口、15%耕地的生活、生产供水,承担着流域内50多座大中城市和众多工矿企业的城市和工业供水,并向天津、青岛等城市远距离调水.近年来,由于人为和自然双重原因导致黄河水质污染严重.本文在论述黄河流域水资源及水污染现状的基础上,分析了水污染的成因,最后提出一些保护对策和建议.