SEGM法在城市用水量预测中的应用

通过对实际应用效果评价证明，应用SEGM法预测城市时用水量精度比常用的指数平滑法等方法要好，适用于在线预测。     

应用改进BP神经网络进行用水量预测

针对工业用水量的特点，建立了改进的BP神经网络用水量预测模型，采用遗传算法对BP神经网络权系进行优化改进，改进的BP神经网络算法预测结果好于灰色理论预测和BP算法预测。以本溪市某供水厂用水量数据对改进的BP神经网络模型进行训练并预测，将其预测结果与灰色理论预测和BP神经网络预测结果进行比较分析，得出该方法用于供水系统用水量预测误差较小，同时克服了其他两种算法的缺陷。     

用水量预测模型选择方法的研究

时间序列法在用水量预测中被广泛使用,为了提高预测精度,关键在于模型的选择。针对目前以拟合误差最小选择预测模型方法的问题,提出了以预测误差最小为目标确定用水预测模型的方法,并且以山西省太原市近25年的生活用水量系列资料为例,进行了适用性分析。     

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.     

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．     

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。     

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。     

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。     

基于灰色马氏链模型的农村居民消费水平预测

选取2000—2018年全国农村居民消费水平为样本数据,对农村居民消费水平变化趋势进行研究.将灰色模型与马氏链模型相结合,建立灰色马氏链预测模型.通过对比发现,灰色马氏链模型能够提高预测精度,并利用灰色马氏链模型对2019—2025年的农村居民消费水平进行了预测.结果表明:农村居民消费水平有明显的上升趋势.     

一种改进的GMDH算法

传统GMDH算法在进行多变量非线性建模时耗时较长,一定程度上限制了它的应用范围.针对这个问题,提出了一种改进的GMDH算法,扩大了每一个初始输入元素的信息含量,采用随机分组建立中间模型的方式代替原算法枚举出所有两两组合中间模型的方式,减少了中间模型的数量,提高了建模效率.将改进算法应用于中国GDP的趋势预测,结果表明与传统GMDH算法相比,在不牺牲预测精度的情况下,改进算法效率更高.     

基于GMDH的宏观经济短期预测模型

传统的宏观经济短期预测研究通常基于定量或定性预测模型,而GMDH 算法兼具定性定量的特点,建立了基于GMDH 自回归模型的混合预测模型数学模型来进行宏观经济短期预测,应用相关的统计数据做实证分析,将所得结果与传统GMDH模型、二次自回归模型进行了比较.结果表明,本文提出的混合预测模型具有良好的预测精度,是一种有效的宏观经济短期预测手段.     

基于GMDH网络的船用增压柴油机性能预测及仿真

采用数据分组处理（Group Method of Data Handing,GMDH）的神经网络分类方法,建立4190ZLC船用四冲程增压柴油机性能预测的数学模型.针对船用中速柴油机运行状况,考虑到其影响运行状态的因素,结合实验数据进行4190ZLC船用柴油机性能的预测及仿真分析.该模型解决了神经网络结构较大,计算耗时较长的问题.将该模型与BP（Back-Propagation,BP）前馈神经网络仿真结果进行比较,结果表明其仿真效果好于BP神经网络模型,并且该神经网络能较好地满足柴油机性能预测仿真的需求     

柴油机特性曲线的仿真和燃油消耗的预测

为了对柴油机特性曲线进行仿真和对燃油消耗率进行预测,考虑到影响柴油机的各种因素,采用非线性的建模方法,并使用数据处理的分组方法（GMDH）对柴油机特性曲线进行建模仿真,同时对燃油消耗率进行预测.结果表明该方法对柴油机特性曲线的仿真和燃油消耗预测具有可行性和实用价值.     

江苏省城市用水预测研究

运用联合国法和消费水平法分别预测出江苏省不同水平年城镇化水平,分析确定了江苏省不同水平年设区城市人口的数量;分别用分项预测法和城市人均综合用水定额法预测不同水平年城市用水量,两者结果非常接近,可采用人均综合用水量预测结果作为不同水平年的城市用水量,用分项预测成果分析各类用水的比重;针对城市用水预测结果,提出了保障江苏省设区城市用水的开源节流建议.     

安徽省城镇居民人均消费的组合预测

在灰色预测、回归预测和时序预测基础上,建立1990到2009年安徽省居民人均消费组合预测模型,并通过误差指标评价体系对组合模型和单项预测模型进行评价,结果表明组合预测模型的各误差指标远低于三种单项预测模型预测误差指标值。最后预测了我省近三年城镇居民人均消费值并进行了评价。     

人工湿地法净化水景人工湖研究

为了改善成都大学柳莺湖的水质状况,2013年4月至2014年4月,对成都市活水公园人工湿地生态系统与成都大学柳莺湖的进出水指标——p H、DO、BOD5、CODcr、TN、TP、NH＋4-N、营养元素与渗流系数进行了监测和对比分析.结果表明,柳莺湖在进水水质、N∶P比与水流流态上同活水公园存在着相似性,将活水公园的人工湿地系统引入柳莺湖是可行的.用降解速率常数与wehner-wilhelm设计预测法进行出水水质预测,预测结果为：柳莺湖的Ⅴ类水质通过湿地系统净化后可达Ⅲ类水质标准,按此设计对柳莺湖进行改造,可改善学校的校园景观水质.     

不同时间段数据同时建模的GMDH证券组合投资预期收益模型

根据证券市场数据的特点,充分利用不同时间段的数据,同时建模,给出联立方程的预测模型,即建立证券投资预期收益模型。     

基于改进ARMA模型的时用水量预测

针对时用水量存在周期性的特点,引入季节因子,采用时变ARMA季节模型对非线性非平稳系统的时用水量进行模拟.以杭州市实测用水量为例,分别采用时不变ARMA季节模型和时变ARMA季节模型进行时用水量预测,结果表明时变ARMA季节模型预测精度相对较高,且预测误差相对稳定,较时不变模型更具有实用性.