共查询到18条相似文献,搜索用时 218 毫秒
1.
城市年用水量的分类预测探析 总被引:2,自引:0,他引:2
在对某市年用水量随机时间序列原始数据进行预处理的基础上,发现该市年生活用水量的一次累加时间序列数据具有明显的线性趋势;工业年用水量一次累加用水时间序列服从一元多项式。将该市年总用水量分为工业、生活、其他三类进行分类预测,分别用一次累加乘幂指数预测、一次累加一元多项式预测对该市生活和工业年用水量进行了预测,复相关系数达0.99。为便于分析比较,对该市年总用水量预测上采用对年用水量预测效果较好的灰色预测模型进行了预测。结果表明:分类用水量预测比总体用水量预测具有精度高,结果稳定的特点,可用于该市的年用水量预测。 相似文献
2.
在对某市年用水量随机时间序列原始数据进行预处理的基础上,发现年生活用水量的一次累加时间序列数据具有明显的线性趋势.分别用一次累加乘冪指数和一次累加一元多项式对该市工业和生活年用水量进行了预测,复相关系数达0.99.为便于分析比较,采用对年用水量效果较好的灰色预测模型进行了年总用水量预测.结果表明:分类用水量预测比总体用水量预测具有精度高,结果稳定的特点,可用于年用水量预测. 相似文献
3.
4.
5.
水资源是城市发展的动力,需水量准确预测对城市可持续发展具有重要意义。需水量受多重因素影响,单一使用多重线性回归难以保证预测的准确性和科学性。根据南京市2005—2014年7个经济、社会发展相关指标,利用主成分回归分析建立模型使用原始变量对用水量进行预测。结果表明,应用主成分回归模型进行需水预测,比多重线性回归模型精度高,也较好地拟合了实际用水量。 相似文献
6.
西安城市生活需水量预测 总被引:4,自引:1,他引:3
根据西安市过去若干年生活用水量的统计资料,分别采用一元线性回归、生长曲线、GM(1,1)灰色系统模型和人均综合生活用水定额法对西安2010年、2015年城市生活需水量进行预测,并对各种方法的预测结果进行分析比较,认为生长曲线模型的预测结果比较合理,确定了西安2010年、2015年城市生活需水量范围。 相似文献
7.
灰色系统模型在贫信息、小样本的非线性系统建模中具有明显优势,适合对时间序列较短时的需水量进行预测。该文针对基本灰色预测模型背景值构造不合理及未充分利用新信息的缺点,采用重构背景值和等维递补原理对基本GM(1,1)模型进行改进,并利用改进模型对惠州市工业需水量进行拟合和预测,结果表明,改进模型预测精度更高,可作为城市需水量预测的一种方法。 相似文献
8.
9.
针对城市需水量特点,运用了具有适用性广,预测准确率高等优点的灰色系统预测模型并对该模型的精度进行了检验。最后用实例验证了该模型用于预测城市需水量的可行性及有效性。 相似文献
10.
灰色系统理论在城市需水量预测中的应用 总被引:10,自引:0,他引:10
针对城市需水量特点、运用了具有适用性广,预测准确率高等优点的灰色系统预测模型并对该模型的精度进行了检验。最后用实例验证了该模型用于预测城市需水量的可行性及有效性。 相似文献
11.
城市年用水量灰色预测研究 总被引:2,自引:0,他引:2
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。 相似文献
12.
城市供水负荷预测是给水系统优化调度的基础.用水量负荷既有一定的规律性,又有很强的随机性,未来某一时刻的用水量负荷,通常与过去的负荷水平、当前的运行状况等因素密切相关.用水量预测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来预测供水负荷. 相似文献
13.
贾香香 《水资源开发与管理》2020,(3):52-55,48
本文采用定额法、趋势分析法、年均增长率法、回归分析法等需水预测常用的方法,对泉州市城镇居民综合生活用水进行预测分析,经多种预测结果比较得出泉州市2030年城镇居民综合生活需水量为8.62亿m 3。其中定额法、回归分析法预测结果较好,趋势分析法和年均增长率法更常用于经济社会发展指标的预测。随着中国城镇化水平不断推进,居民综合生活用水量的影响愈加多元化、横向化,建立多元回归预测分析模型来预测用水量是很好的选择,该研究可为其他城市预测规划水平年居民生活用水量提供借鉴。 相似文献
14.
15.
16.
白洋淀天然入淀水量在长期的时间序列上有着丰、枯水期交替演化的规律,灰色波形模型适用于这一规律发展趋势的研究。通过遗传算法(GA)对灰色一阶模型(GM(1,1))的迭代基值α与背景值系数β进行优化,利用遗传算法收敛效率高,选择范围广的优点,建立了以GA-GM(1,1)群为基础的GA-灰色波形模型,对白洋淀天然入淀水量趋势进行研究。最终得出结论:GA-灰色波形模型不仅在信息序列的拟合上明显优于传统灰色波形模型,且GA-灰色波形模型能更好的抓住信息序列发展特点,更为准确的预测白洋淀天然入淀水量演化规律。说明用GA-灰色波形模型进行白洋淀天然入淀水量研究是可行的,也为研究湖泊水资源量变化提供了一种新思路。 相似文献
17.
18.
为了提高城市用水量的预测精度,基于灰色GM(2,1)模型,采用参数ρ进行数乘变换,利用参数λ修正其背景值,引入微粒群算法(PSO)寻求参数λ、ρ的最优解,构建PSO-GM(2,1,λ,ρ)模型,对某市1990—2001年用水量进行预测,并与灰色神经网络(GNNM)算法预测结果进行对比。结果表明:引入PSO算法,利用其全局搜索、局部搜索相结合的搜索模式确定λ、ρ,可以提高灰色模型的预测精度;参数λ、ρ的随机性、灵活性加上PSO算法的搜索性、寻优高效性使PSO-GM(2,1,λ,ρ)模型比GNNM模型预测精度更高。 相似文献