城市用水量预测的混沌理论研究

分析了混沌理论特征,利用城市用水量混沌特性,建立城市用水量短期预测模型,对城市用水量进行科学预测.利用历史数据信息,在相空间重构基础上对城市用水量时间序列进行分析,分析饱和嵌入维数、延迟时间和Lyapunov指数求解方法并对其进行计算,并以此为指导对城市用水量进行高精度预测.利用建立的模型对东北某市日用水量进行预测,结果表明基于混沌理论的城市用水量预测模型具有较高精度,对于受众多因素影响的城市用水量预测有良好的推广价值.城市用水量受众多因素影响,混沌理论为城市用水量预测提供了崭新思路.     

城市用水量预测模型及其应用

利用径向基函数神经网络,建立了城市用水量预测模型,并根据阜新市近些年来影响城市用水量的主要影响因素的数据对该网络进行训练,用训练好的网络模型预测今后的城市用水量,拟和预测结果表明该模型有较高预测精度,并具有一定的通用性和客观性等优点.     

城市年用水量的马尔可夫过程仿真预测

城市年用水量是一个齐次马尔可夫链。根据某城市统计年鉴中近20a的用水量,建立一步转移概率矩阵,通过马尔可夫链的计算机仿真,预测了今后5a的用水量。同时,对仿真结果进行了精度估计。     

支持向量机在城市用水量短期预测中的应用

为解决现有的城市用水量短期预测人工神经网络法的过学习与局部极小点等问题,通过对城市时用水量数据特征的分析,在统计学习理论和结构风险最小化准则的基础上,建立了基于支持向量机(SVM)理论的城市用水量短期预测数学模型.在算例分析中与误差逆传播(BP)神经网络预测法进行对比,发现该方法的平均预测精度提高了2%,且具有收敛速度快、泛化能力强等优点,在用水量短期预测中非常有效.     

城市年用水量的马尔可夫过程仿真预测

城市年用水量是一个齐次马尔可夫链.根据某城市统计年鉴中近20 a的用水量,建立一步转移概率矩阵,通过马尔可夫链的计算机仿真,预测了今后5 a的用水量.同时,对仿真结果进行了精度估计.     

基于BP神经网络的城市时用水量分时段预测模型

针对目前时用水量预测模型中对时用水量影响因素分析研究较少的问题,通过分析各种时用水量影响因素与时用水量之间的相关性,筛选出时用水量的主要影响因子;通过分类将1 d划分为3个时段,建立分时段用水量模型。采用BP神经网络预测,精度指标采用平均绝对百分比误差(MAPE)表示。实例分析结果表明:模型预测MAPE均在5%以内,预测精度较高,满足供水系统优化调度的要求,为城市时用水量预测提供一种简单可行的思路和方法。     

芜湖市江北新区用水量预测

文章阐述了城市用水量预测的重要性,在对时间序列分析法、灰色预测法及指标分析法各自特点的分析基础上,分别采用城市分项用水指标法、单位建设用地用水量指标法、城市单位人口综合用水量指标法,预测了芜湖市江北新区的规划用水量,结合芜湖江南城区现状用水特征和江北新区总体规划,合理确定了江北新区城市规划用水量。     

基于人工免疫与支持向量机的日用水量预测

鉴于城市日用水量受众多因素的影响和具有复杂的非线性特点,提出一种基于人工免疫与回归支持向量机的用水量预测模型,根据免疫学原理的阳性选择对样本进行聚类后,由于去除非同类信息的干扰,样本数量大为减少,样本信息得到提纯．把模型应用于城市日用水量预测中,通过合理选择核函数、敏感系数、惩罚因子和宽度参数,从实例分析可知,该模型具有建模速度快、预测精度较高的特点．     

基于分形理论的城市日用水量预测方法

针对城市日用水量呈现周期性和自相似性的特点,通过对分形理论的研究,提出了基于分形拼贴定理和分形插值函数迭代过程的城市日用水量预测方法．该方法根据分形拼贴定理,由基于仿射变换的分形插值方法求取一个与历史日用水量记录相近的迭代函数系,建立分形预测模型,对城市日用水量进行预测．首先根据日用水量具有以周为周期的特点,应用相似日拟合模型对日用水量进行预测,平均预测误差为2．06％;然后根据日用水量具有以月为周期的特点对日用水量进行预测,平均预测误差为2．94％．应用表明,该方法实用性强,能够为城市供水优化调度提供决策支持．     

基于无偏灰色GM(1,1)模型的城市用水量预测

针对城市用水量预测工作中常存在城市用水量原始数据样本量较小、信息不充分的问题,充分利用无偏灰色GM(1,1)模型的少数据建模,短期预测精度高,消除了灰色GM(1,1)模型预测所固有的偏差的优点,建立无偏灰色GM(1,1)城市用水量预测模型,并应用于实际城市用水量预测中。与常用的处理此类问题的灰色GM(1,1)模型比较,算例结果表明所建模型有效可行,提高了预测精度。     

神经网络预测城市用水量的等维新息模型

根据城市用水量的变化特点,选取能充分体现用水量变化规律的等维新息数据文件,并合理选取望输出,建立了城市用水量预测的神经网络等维新息模型。经实例验证,并与其他预测方法比较,该模型预测误差小,可满足水源规划等工作需要。     

基于SPSS多元线性回归对城市用水量的分析

城市用水量是城市给水系统规划的一项重要参考指标,对城市用水量的预测具有重要意义。通过查阅北京统计局出示的有关数据以及阅读相关文献,搜集北京市近15年的统计资料,基于SPSS多元线性回归中的逐步回归分析法,建立回归模型。经检验,该模型具有较高准确度,可以用来预测城市用水量。     

改进的灰色预测模型在全国用水量预测中的应用

针对水资源供需日趋严重的问题,应用灰色预测理论,以国家统计局发布的2000-2012年的全国用水量为建模数据,分别建立了普通灰色预测模型以及带有弱化算子的灰色预测模型,对全国用水量进行了短期预测,并验证了模型的实用性.此外,通过两个模型的对比,反映了带有弱化算子的灰色预测模型预测结果更精确.     

基于MATLAB的改进BP神经网络在城市日用水量预测中的应用

利用MATLAB神经网络工具箱对城市短期用水量进行模拟,比较各种改进BP神经网络对城市短期用水预测方面的效果,得出用BP神经网络预测城市日需用水量是可行的,其中尤以traincgp方法预测效果最好的结论.     

灰色模型在城市月用水量预测中的应用

中期用水量预测,它为各个城市水司制定月用水量生产计划提供重要依据.针对我国城市月用水量数据序列的特点对其进行分析研究,利用灰色系统理论,建立预测月用水量GM（1,1）模型.并以东北某大城市月用水量为原始数据进行了实际预测.通过MAPE检验证明GM（1,1）模型为一种行之有效的预测月用水量的模型.     

太原市生活用水量预测模型研究

以太原市历年生活用水量为背景,采用回归分析的预测方法进行了实例计算,分析比较了线性模型、指数模型,对数模型和幂函数模型等4个模型的预测精度,井在此基础上确定了适合太原市生活用水量变化特征的预测模型——幂函数模型。据此对太原市2009年到2015年的生活用水量进行了预测,结果表明,未来6年太原市生活用水量是随时间增加的。谈研究对太原市制定用水管理对策有重要的现实意义。     

灰色预测方法在大城市时用水量预测中的研究

分析了城市用水量预测的重要性和一些基本方法,发现灰色预测方法比传统的基于概率统计的随机过程分析具有建模所需信息少、不必知道原始数据分布的先验特征等优点,故将其尝试性的应用于城市时用水量的预测.通过对灰色预测方法建模机理的研究建立了城市用水量预测GM(1,1)模型,并以北方某大型城市时用水量为原始数据进行了实际预测,模型精度检验的结果表明该模型的预测等级为高精度预测.     

城市生活用水量的非线性动力学

根据Logistic方程建立了城市生活用水量的非线性动力学方程．研究了方程的2个稳定的不动点及其轨线图．通过分析发现系统演化过程中生活用水量优先趋向于其中的小者．在算例分析中，将动力学方法与多元线性回归方法进行了对比，结果表明，动力学方法具有更好的预测精度，分析验证的结果证明了城市生活用水系统演化过程中生活用水量优先趋向于2个不动点中小者的结论，该动力学方程能够很好地描述城市生活用水量的动力学演化规律。     

基于自组织方法的成都市居民生活用水量的预测和分析

基于成都市1981－1996年间居民生活用水量及相关因素的实际数据，采用自组织方法对居民生活用水量进行了分析，然后，运用不同的预测方法进行了比较。经实际样本检验表明：自组织方法具有较强的建模能力和较好的预测效果。最后，采用自组织方法预测了成都市2001－2005年的居民生活用水量。     

基于最小二乘法的城市用水量分时段预测方法

将最小二乘法原理应用于城市用水量预测,根据城市给水系统时用水量变化规律,确定分时段构建多项式拟合曲线模型。实例研究表明,模型精度高,有较高的使用价值。