基于变结构支持向量回归的城市日用水量预测

鉴于日用水量的时变性,本文提出一种基于变结构支持向量回归的动态预测模型.利用日用水量的历史数据训练支持向量机,得到模型结构参数历史数据序列,然后利用扩展卡尔曼滤波器对模型结构参数组进行估计,最后用模型结构参数估计量来更新模型结构并预测下一天日用水量.在实例分析中分别利用变结构支持向量回归模型和支持向量机预测模型对实际用水量性进行预测分析.结果表明,前者具有更好的动态跟踪能力和更高的预测精度,可应用于城市日用水量的预测.     

城市日用水量预测的非参数模型研究

本文针对传统的线性回归模型误差较大的特点,利用核估计与局部线性估计方法,以气温、节假日为自变量,以用水量为因变量建立了城市日用水量的多元非参数回归模型.经西安市实例验证表明,相对于线性回归模型而言,多元非参数回归模型预测精度较高,预测效果好.     

城市日用水量的自回归模型(AR)预测方法

介绍了利用自回归模型(AR)预测城市日用水量的方法，阐述了AR模型的阶数和自回归系数的求解，并结合工程实例，预测出某城市日用水量，达到了较好的预测效果。     

基于贝叶斯超出表现模型的城市需水量组合预测

运用营口市人均综合用水量的历史数据,分别采用多元线性回归模型和BP神经网络模型对该市人均综合用水量进行预测,最后建立贝叶斯超出表现模型对所得到的单项预测值进行组合,实证分析结果表明,该组合预测模型获得了更为精确的预测效果,可以作为城市人均综合用水量预测的有效工具.     

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．     

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.     

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.     

多元线性回归模型预测天津市用水量

采用多元线性回归法进行城市用水总量预测。通过主成分分析法确定有效自变量为：用水人口、国民生产总值、工业用水重复率、年降水量、绿化覆盖率,应用R语言编制相关程序,建立数学模型,实现多元线性回归分析。通过残差图检验模型的有效性可知模型回归效果良好。本文通过简便的方法为较准确地预测城市用水量提供参考。     

北京市生活用水年预报模型

采用偏最小二乘回归方法建立了用水量与影响因子之间的回归方程,利用AR模型对各影响因子进行外延预测,将预测的因子值分别代入3个回归模型,通过比较分析挑选出了预报精度最高的回归模型,并利用此回归模型对2003~2010年的北京市年生活用水量进行了预测.结果表明:北京市年生活用水量和前3 a的各项影响因子所组成的回归方程,能够很好地预报出预留年份的年生活用水量;2003~2010年北京市年生活用水量呈明显增长趋势.     

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。     

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。     

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.     

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．     

加权组合模型在城市用水量预测中的应用

鉴于传统灰色模型在建模中存在固有偏差的问题,本文采用无偏灰色GM(1,1)预测模型.在无偏灰色预测模型表达式的基础上,又提出了非线性的预测模型,并将其用于城市的用水量预测上.考虑到单一预测模型在预测过程中存在的不足,用最优加权组合模型对无偏灰色GM(1,1)模型和非线性模型进行组合,并将加权组合模型首次用于遂宁市的城市用水量预测.预测结果表明,组合模型的预测精度优于单一的预测模型,预测结果与城市的实际用水量拟合较好,该方法可推广到其它类似城市的用水量预测中.     

应用改进的残差GM(1,1)模型预测城市用水量

运用灰色系统理论建立GM(1,1),并用改进的残差GM(1,1)模型进行修正,对城市用水量进行预测.改进的残差修正方法能够使模型保持良好的适应性,有效提高了预测精度.应用该模型对某市年用水量进行预测检验,结果表明:改进的GM(1,1)模型具有较高的预测精度,模拟效果更好.     

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。     

城市用水量的非线性灰色预测

运用灰色系统原理,本文提出了城市用水量非线性灰色预测模型GM(1,1;(×)_α,相比线性模型GMO(1,1)而言,它具有适用性广,拟合精度高等优点。实例验证了该模型用于城市用水量预测的可行性及有效性。     

城市供水负荷短期预测方法

结合城市用水量的影响因素及特点，分析了城市用水量的变化规律，探讨了水量预测时间序列分析方法；根据城市供水运行调度对用水量预测的实际要求，采用时间序列三角函数分析法建立了管网用水量的短期负荷预测模型。实例考核证明，该模型有效可行。     

基于人工鱼群神经网络的城市时用水量预测方法

城市供水时用水量预测精度对城市供水系统具有重要影响.传统的反向传播(back-propaganda,BP)神经网络预测方法容易陷入局部解,并且需要大量的训练数据.人工鱼群算法具有较优的全局收敛能力及较快的寻优速度.为此,利用人工鱼群算法对BP神经网络的初始权值和阈值进行优化,建立了一种新的时用水量预测模型.将该模型应用到华北某市时用水量的预测中,预测结果表明人工鱼群神经网络算法的均方差比BP神经网络算法的均方差小5%.实例证明,人工鱼群神经网络比BP神经网络的预测精度更高,收敛速度更快.人工鱼群神经网络算法可用于短期水量预测.