城市供水系统短期用水量变化规律与用水量预测方法研究

城市供水系统用水量预测一般分为两大类：长期预测和短期预测。长期预测是根据城市经济的发展,人口的增长,工业生产能力的提高,旅游、教育、文化卫生事业的发展等多方面因素的发展变化情况,对未来几年、十几年、甚至几十年后整个城市的需水量做出预测。短期预测是根据过去十几天或几十天内用水量的历史数据及影响用水量的因素,对今后一小时,一天或几天的用水量做出预报。     

基于组合预测方法的海河流域生活用水量研究

针对用水量预测组合模型的优选问题,根据海河流域1988-2003年生活用水量时间序列的具体变化特征和拟合精度进行组合模型初选,并引入最优组合原理,确定组合权系数．所用的预测模型主要有回归模型、灰色模型和BP神经网络模型．以滦河分区和子牙河分区为例,计算的平均相对误差(MRE)分别为1．91％和1．54％, 2010年生活用水量将分别达到6．15×108m3和8．72×108 m3,2030年将分别达到7．37×108 m3和1.27×109 m3．结果表明,该方法提高了预测精度,可为水资源规划和管理提供依据．     

用水量预测的三种方法

该文以大连长兴岛临港工业区为例,介绍的三种城市用水量预测的三种方法,三种方法互相验算、互相修正、互相补充,确保预测值准确可靠.     

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.     

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。     

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。     

基于自组织特征映射神经网络的短期负荷预测

提出了一种基于自组织特征映射神经网络(Kohmonen网络)的短期负荷预测方法，根据Kohonen网络的聚类特性，样本在输入时就已分好类。输入既有与负荷曲线平滑性有关的数据又有反映负荷周期性变化的数据。在学习训练时，区别于普通的无监督竞争学习采用有监督竞争学习方式，缩短了学习时间，提高了学习精度。实例分析征明了该方法的有效性。     

一种时用水量的联合预测方法

提出了时用水量的季节指数、趋势移动及自适应过滤联合预测方法，该法可满足供水系统优化调度的需要。     

城市用水量的综合动态预测建模方法

基于BP神经网络,建立了一种综合时间序列分析和多元分析特点的动态水量预测模型,模型除了将影响用水量的因素作为输入节点之外,还将预报日前2 d的用水量作为输入节点,使得模型不但反映了用水量与影响因素的关系,还揭示了用水量时间序列的非线性特性.经生产实践检验,该模型的预测精度达到工程要求.     

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GMDH方法的粮食总产量预测模型和分析

利用GMDH方法对1978-1995年全国粮食总产量的相关数据,建立了一个简单的可解释的模型,并对1996-2000年5年的产量做了预测,取得满意的结果,具有很好的推广价值.     

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.     

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.     

基于水资源利用技术效率的区域用水总量控制

针对目前用水总量控制中用水效率指标较单一且没有综合考虑用水户的投入和产出情况,分析了水资源利用技术效率的概念和内涵,提出了基于水资源利用技术效率的区域用水总量控制的理念和思路,构建了基于水资源利用技术效率的区域用水目标水量测算模型,并以徐州市为例进行了实证分析.结果表明,把用水总量控制分为控制水量和目标水量2个层次,利用随机前沿生产函数测算水资源利用技术效率,进而测算区域用水目标水量是可行的.     

GMDH方法在长良川水质预测中的应用

在复杂水环境系统的模式识别中，如何确定影响系统输出的输入变量是关键，文章首先介绍GMDH(数据处理组方法)方法的基本运算法则，运用改进后的GMDH方法筛选模型的输入变量，建立长良川溶解氧和化学耗氧量两个水质项目的预测模型，模型的相关度最高可达0．96，基本满足工程要求，研究表明GMDH法是初步了解系统变化机理、建立系统模型的有效方法．     

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.     

我国农村居民消费问题实证分析

用经济计量学的方法，以相对收入假说为经济理论基础，利用回归方法估计出我国农村居民的边际消费倾向为0.883，即农民收入每增加一个单位，消费将增加0.883个单位。然后采用了Panel Data对引起我国东部、中部、西部农村居民消费差异的地区因素进行计算，得到结果：东部地区在总支出、食品、衣着、及居住、医疗保险、文教娱乐消费方面比中部、西部有较强的购买动机，在交通通讯消费方面西部地区有较强的购买动机。     

GMDH算法的终止法则研究

为了从理论上说明GMDH(Group Method of Data Handing)最优复杂度模型如何在推广能力与拟合精度之间达到平衡,用插值方法讨论了GMDH外准则值取得全局最小值时,对应的模型复杂度的位置.分析了模型在一定噪声水平下,已知训练集上的拟合能力与具有同一规律性的新数据上的推广能力关系,结果显示,GMDH最优模型的结构偏差与噪声影响的比值落在1的一个小领域内,其大小随噪声方差和外准则的变化而变化.说明,GMDH最优模型如何在拟合精度与推广能力之间达到平衡.     

基于SVM降雨充水矿井涌水量预测

为了准确预测降雨充水矿井涌水量,将SVM算法应用于降雨充水矿井涌水量预测,通过对SVM算法分析,确定了合适的核函数及其参数,提出了基于SVM算法的降雨充水矿井涌水量预测模型,并根据所选矿区自然地理情况,确定了预测输入因子和输出因子。通过MATLAB语言编程,结果显示:预测值与实际测量值具有较好的一致性,验证了矿井涌水预测模型是有效的。