基于灰色预测及多目标规划模型的水资源预测及优化配置

为探讨城市水资源预测和优化配置的方法,以北京市为例,采用灰色GM(1,1)预测和多目标规划模型方法进行数学建模,以研究北京市在实现经济效益、社会效益、生态效益和环境效益最大化前提下的水资源的优化配置方案。预测结果显示,北京市2015年的水资源总量为21.4523亿m3,再生水量为11.96亿m3,总需水量为39.74亿m3,仍将存在6.33亿m3缺口,将依赖于境外调水,与北京市水资源"十二五"规划十分接近。多目标规划模型结果显示,北京市可通过增加水资源的循环利用,减少农业用水、生活用水和环境用水量,维持现有工业用水量,实现可供水量与总需水量的基本平衡,并实现城市经济效益、社会效益、生态效益、环境效益的最大化。灰色GM(1,1)预测和多目标规划模型可较好地预测城市未来供、需水状况,并进行水资源的优化配置,可用于区域水资源预测和综合规划。     

北京市水资源承载力的现状及驱动力分析

本文阐述了水资源承载力的概念、特性及影响因素，根据北京市各县区的统计资料，分析了北京市自上个世纪80年代以来水资源承载力变化的总体趋势和驱动因子．结果表明：人口和GDP是影响北京市水资源承载力变化的主要驱动因素．2001年北京市人口总量已达1367．78万人，为水资源最大承载人口的5．81倍．再加上工农业的发展，已经大大超过了北京市水资源的承载力，使得北京成为世界上严重缺水的大城市之一．根据人口的GDP增长率，通过多元线性回归模型，预测出了2010年和2015年北京市水资源的供需状况．并提出要实现水资源的供需平衡，应当实行开源节流并重的政策．     

贵州水资源利用现状、供需预测及保护对策研究

针对贵州水资源丰富,但又缺水的矛盾来进行水资源利用现状,水资源环境恶化及2005年到2030年国民经济发展用水的供需预测分析研究,提出贵州岩溶山区的水资源保护对策。     

水资源短缺风险评价与预测

通过对近年来北京市各年用水总量和水资源总量数据的统计与研究,阐述北京市水资源短缺现状,评价了北京市水资源短缺风险等级并且对北京市未来五年水资源的短缺风险进行预测。结合北京市的实际情况有针对性地提出了相关的防治措施,以期引起社会的关注。     

乌鲁木齐市水资源合理开发利用的研究

在乌鲁木齐市水资源量的基础上,计算可利用水资源量．根据人均用水定额和万元产值耗水量估算水资源承载力;根据1980年以来水资源利用变化趋势,采用趋势分析法预测2010年缺水3．5亿m^3;根据乌鲁木齐市的实际情况,定量分析开源节流措施的潜力,并提出了雨水利用及需水管理等措施。     

上海市水资源生态足迹分析与SVR预测

根据水资源生态足迹模型,以北京市2001—2013年水资源生态足迹和生态承载力为参照,对上海市同年份的水资源生态足迹和生态承载力进行计算并对比分析了利用现状;引入机器学习中的支持向量回归机SVR,对上海市2014—2016年生态足迹进行了预测,并给出可能的影响因素.研究结果表明,2001—2010年上海市历年水生态足迹基本持平且数值较大,2011—2013年较往年出现明显下降.2001—2013年一直表现为生态赤字,水资源差值生态压力指数年均值为-3.083 11,说明本地的水资源无法自给自足,需要过境水的补给来满足生产生活的需求.上海市万元GDP和万元工业GDP生态足迹呈下降趋势,说明产业结构在优化,水资源经济效益在提高,但其年均值都高于北京市,仍存在改善空间.预测2014—2016年生态足迹总体呈上升趋势,水危机形势日益严峻,保护水资源,促进可持续发展已刻不容缓.     

辽宁省滨海城市水资源可持续利用研究

利用模糊模式对辽宁省滨海城市水资源开发程度进行了识别评价,得出其级别特征值为1.763 2,开发程度处于一级和二级之间,接近水资源的承载能力;同时,利用灰色系统建立GM(1,1)和GM(1,2)模型,对滨海城市旱灾、城市人口、生活用水量和用水总量进行预测,预测在2004年和2009年左右,将可能再次出现干旱,到2010年和2020年人口将分别达到720万和910 万,到2010年城市的生活用水量将达到4.46亿t,用水总量将达到9.8亿t,辽宁省滨海城市水资源的供需矛盾将进一步加剧.     

北京市需水量预测的系统动力学研究

利用系统动力学方法,对不同情景（保持现状型S1、经济发展型S2、南水北调型S3和综合发展型S4共四种情景）下北京市2012-2030年的需水量进行了预测,在此基础上对缺水问题进行分析。结果表明：（1）在四种情景下,生活需水量呈上升趋势,工业需水量在S1和S3下呈上升趋势而在S2和S4下呈下降趋势,农业需水量和环境需水量保持稳定,总需水量呈下降的趋势;（2）四种情景下,总需水量的平均值分别为41.87、43.85、42.03和43.96亿m3,缺水年平均缺水量分别为6.82、7.59、3.61和4.44亿m3,平均缺水指数分别为0.1592、0.1679、0.0833和0.0970;（3）为了维持经济、资源和环境的和谐、可持续发展,北京市需要增强人们节约、保护水资源的意识,才能保证水资源供需的长久平衡。     

湖北省科技人才分析与预测

本文依据湖北科技人才相关资料和数据,在分析科技人才现状的基础上,应用趋势外推法和灰色模型对2006—2010年湖北省科技人才需求量进行预测,然后用组合预测法对预测结果进行修正,为湖北省人才规划与决策提供科学的理论参考。     

地区净水资源承载力评价与预测

选取北京市净水资源承载力为研究对象,基于熵值赋权法下的指标权重确定,建立净水资源承载力模糊综合评价模型。其次对综合评价值构建隶属度函数,根据最大隶属度原则将2002-2014年间北京市的净水资源承载力进行等级划分。最后,基于指数平滑预测和灰色预测进行组合预测,构建偏差平方和达到最小的动态分析模型,对未来15年北京市的净水资源承载力进行合理预测、分析原因并提出对策建议。     

水资源短缺的风险因子识别模型

水资源短缺已经成为影响和制约我国部分地区社会和经济发展的主要因素,为了确定引起水资源短缺的主要风险因子,以达到控制风险的目的,以北京市1979—2009年水资源数据为例,应用BP神经网络良好的数据拟合功能,建立缺水量与导致水资源短缺各因子关系的BP神经网络模型.将各单个因子取值增加1%,然后通过该模型计算出缺水量的变化率,从而确定北京市水资源短缺的主要风险因子,依次为第三产业及生活用水、污水处理率、降水量等.该模型所得结果与现有方法的结论比较吻合,但计算更为简便.     

基于IPSO-GNN的油田指标预测模型研究

针对油田开发指标预测问题,提出将灰色神经网络(GNN)与改进粒子群算法(IPSO)相结合的组合预测模型(IPSOGNN),通过IPSO对GNN的a、u参数进行优化,改善了GNN的不足,有效地保证了预测精度。以油田开发指标中的含水率作预测算例,仿真结果表明:此模型的预测精度高于灰色预测模型、灰色神经网络以及BP神经网络模型,同时也表明了此方法的可行性与有效性。     

基于VMDLSTNet的水质预测模型

针对水质时序预测中存在长期信息和短期信息混合导致预测精度低的问题,采用变分模态分解（Variational Mode Decomposition,VMD）和长短期时间序列网络（Long- and Short-term Time-series network,LSTNet）组合使用以期望解决该问题得出更准确的水质预测。LSTNet网络中使用卷积神经网络（Convolutional Neural Networks,CNN）提取短期局部水质信息,使用循环神经网络（Recurrent Neural Network,RNN）提取长期水质信息,并且通过Skip-RNN利用序列周期特性,提取更长期信息,同时模拟自回归（Autoregressive model,AR）,为水质预测增添线性成分来达到输出能够响应输入尺度变化的目的。采用珠江流域老口站隔日采样的溶解氧数据验证模型效果,结果表明,VMDLSTNet网络处理水质预测问题的能力,不仅优于传统的BP神经网络（Back Propagation Neural Network,BPNN）、支持回归机（Support Vector Regression,SVR）模型,而且优于深度学习中时域卷积网络（Temporal Convolutional Network,TCN）模型、门循环网络（Gate Recurrent Unit,GRU）、增加注意力机制的长短时记忆网络（Long Short-Term Memory Add Attention,LSTM-AT）模型,溶解氧的预测平均绝对误差（Mean Absolute Error,MAE）为0.0931,预测均方误差（Mean Square Error,MSE）为0.0146,预测均方根误差（Root Mean Square Error,RMSE）为0.1208,水质类别的预测准确率为95%。     

基于最优组合预测模型的电力负荷预测研究

电力负荷预测是电力规划及安全运行的基础,提高预测精度是电力负荷预测研究的重点,由于负荷预测的变化性和不确定性,单一的预测模型很难满足所有的预测情况;组合预测是将各个单项预测所得的结果选取适当的权系数进行加权平均的一种预测方法;采用灰色和时间序列作为单项预测模型,然后进行最优组合建立组合预测模型进行电力系统短期负荷预测;仿真实例表明:最优组合预测模型比单项预测模型具有更高的预测精度,具有一定的优越性。     

基于预测误差的用水预测模型选择方法研究

时间序列法是用水量预测的常用方法,其中预测模型的选择是提高预测精度的关键.针对目前以拟合精度作为模型选择标准的方法,提出了以预测值的置信区间最小为标准选择预测模型的方法.以山西省运城市工业用水量资料为例,分析给出了幂函数、S函数、直线、指数函数、二次和三次抛物线等6个模型95%置信水平下5年和10年两种预测期的预测区间,均以幂函数预测精度最高;对该系列近5年的用水量进行了预测,预测误差也以幂函数最小.表明以预测区间最小选择用水预测模型的方法是合理的、可靠的.     

基于离散型二项式系数组合模型的黄土湿陷性评估

为了快速精确地利用基本物性指标预测湿陷性黄土的湿陷性系数,基于多种数据挖掘方法提出了离散型二项式系数组合预测模型。首先,采用相关系数法和随机森林重要性指数法综合选取模型基本物性指标为饱和度、干密度、液性指数和天然含水量;然后,分别利用多元线性回归、BP神经网络、支持向量机回归（SVR）和随机森林（RF）回归对黄土湿陷性系数进行预测,并将预测结果进行组合,得到4种单一模型、2种传统组合模型和离散型二项式系数组合模型预测结果;最后,利用6种不同精度指标对上述7种预测模型展开精度分析。结果表明：组合预测模型精度整体高于单一预测模型,且提出的离散型二项式系数组合模型各精度指标均为最优,平均相对误差为3.43%。可见提出的离散型二项式系数组合模型可为湿陷性黄土地区的工程设计提供参考。     

基于微气象微地形的北京地区输电线路覆冰预测技术

实现输电线路覆冰预测是保障北京地区输电线路在覆冰季正常运行的关键技术。针对北京地区输电线路覆冰预测技术研究,采用皮尔逊相关系数和灰色系统关联度分析方法,利用历史数据研究覆冰厚度与微气象微地形的相关性,得出湿度、坡向、风向和高程对覆冰厚度影响程度较高;通过多种环境特征要素组合构建基于极限随机树模型和灰色系统预测模型的覆冰预测模型,对比不同模型的预测结果的均方根误差（RMSE）,得出由湿度和风向组合构建的灰色系统覆冰预测模型效果最佳。研究结果表明,与同类预测方法相比考虑了微地形对覆冰厚度预测的影响,得到北京地区输电线路覆冰厚度相关性较高的环境因素为湿度、坡向、风向和高程;对比多种环境要素构建的覆冰预测模型,湿度和风向组合的灰色系统预测模型的均方根误差明显优于其它组合,可以有效实现北京地区输电线路覆冰预测。     

智能神经网络在时序信号预测上的应用

从80年代开始，人工神经元网络的研究技术在理论和实际应用上已经比较成熟，在信号处理系统中也开始采用该技术进行非线性时间序列信号的预测分析。但由于该理论黑箱模型的特点，无法引入先验知识，从而预测精度难以提高。针对该问题，提出了通过滚动预测的方法，并引入了一种智能化的新型神经元模型，建立区别于传统的神经网络预测模型，达到了较为理想的预测效果。并且以股票价格的预测作为实验模型，对该方法进行了验证，表明了它的实际应用价值。     

基于Elman组合预测模型的瓦斯涌出量预测

为提高矿井瓦斯涌出量的预测精度,基于Elman回归神经网络原理,以指数型线性回归、双曲线型线性回归及灰色预测三种方法得到的瓦斯涌出量预测值为样本数据,建立Elman组合预测模型,并利用MATLAB软件进行预测。结果表明,Elman组合预测结果的拟合曲线更接近实际情况。该模型有效提高了瓦期涌出量的预测精度,为煤矿安全生产提供了理论支持。