基于径向基函数的城市日用水量预测方法

结合城市日用水量影响因素的特点和变化规律，分析探讨了城市日用水量预测模型的求解方法．建立日用水量和其相关因素之间的预测模型，分别采用径向基函数（RBF）网络算法与支持向量机（SVM）回归法求解该预测模型．RBF网络具有结构自适应确定，输出不依赖初始权值的优良特性；SVM回归法采用结构风险最小化准则（SRM），以统计学习理论作为理论基础，运算速度快，泛化能力强，预测精度高．通过分析验证的结果，证明了该日用水量预测模型的可行性，采用RBF和SVM两种求解方法均能得到满意的结果．     

自回归模型在西安市日用水量预测中的应用

根据时间序列中的建模方法,对数据的平稳性检验、模型类型的识别以及如何利用偏相关定阶法确定自回归模型的阶数作了介绍.阐述了样本参数估计的LS估计方法和模型检验的χ2检验法.对西安市日用水量进行分析,得到了该市日用水量预测的自回归模型,经检验该自回归模型预测效果良好.     

影响混凝土拌合物和易性的主要因素分析

混凝土拌合物的和易性良好是指混凝土拌合物的流动性、粘结性、保水性都要符合技术指标。只有良好的和易性,才便于混凝土拌合物的施工,并能获得均质密实的混凝土性能,从而提高混凝土的强度和耐久性。     

河网水情预报的神经网络模型及应用

传统BP网络模型在模式识别、电力负荷预报、水现象的模拟及预报等领域得到了广泛的应用．但传统BP网络模型存在隐含层结构难以确定和网络结构物理概念不明确等问题．本利用水量守恒及槽蓄关系,建立了能够反映水流运动基本特征的神经网络模型(MCR—ANN)并用于河网水情的模拟及预测．应用结果表明：该网络物理概念清晰,避免了传统BP网络在隐含层结构难以确定和河网结构物理概念不明确等的不足,模拟效果较好。     

基于最大 Lyapunov 指数的改进预测模型及其在城市用水量短期预测中的应用

参照计算Lyapunov指数的Wolf方法,考虑预测中心点与邻近点和上一个演化点的夹角,对混沌理论基于最大Lyapunov指数的预测方法进行了改进.通过对城市用水量短期预测的实例研究,将改进算法与传统算法进行比较.结果表明,与传统算法相比,改进算法的预测精度在整个预测周期内提高了10.2%,在最大可预测时间尺度内提高了1.1%.     

城市生活污水循环利用与供水质量控制

<正>我国是一个水资源匮乏的国家,人均水资源占有量仅为世界平均水平的1/3到1/4,城市水资源问题对我国社会经济可持续发展造成的"瓶颈"效应已经愈来愈明显。随着我国现代工业的迅速发展,城市化进程的加快和人民生活水平的不断提高,城市用水量也在不断增加,水污染也日益严重。     

白银区经济社会发展用水分析

白银区地处干旱区,水资源严重缺乏。随着经济社会的发展,水资源问题日益突出,严重地制约着经济社会可持续发展。本文利用2011年白银区经济社会用水调查基本数据,分析了典型调查对象的用水量和区域用水行业的用水总量。结合白银区水资源与经济社会发展特点,探索了经济社会与用水的关系,将为区域未来合理的水资源配置格局和经济社会的发展提供基础研究,同时还将为区域生态环境规划等提供依据。     

大连西中岛石化区给水工程规划论证

针对大连西中岛石化区的产业特征,对石油化工类企业园区的用水量进行预测,分析给水资源为：西中岛石化区主要有市政水水源、再生水水源和海水淡化水水源3种类型。建议将长兴岛城市污水处理后的中水水源引入。市政水水源用于生活用水、消防水补水;再生水水源用于生产用水（主要为石化企业循环冷却水补水）、其他用水（包括市政公用设施用地用水、道路广场用地用水、绿地用水）、洗车、厕所冲洗、稀释高浓度污水、砂滤反冲洗、活性炭反冲洗、生化消泡设施用水;海水淡化水水源用于生产用水。     

Chaotic phenomenon and the maximum predictable time scale of observation series of urban hourly water consumption

The chaotic characteristics and maximum predictable time scale of the observation series of hourly water consumption in Hangzhou were investigated using the advanced algorithm presented here is based on the conventional Wolf's algorithm for the largest Lyapunov exponent. For comparison, the largest Lyapunov exponents of water consumption series with one-hour and 24-hour intervals were calculated respectively. The results indicated that chaotic characteristics obviously exist in the hourly water consumption system; and that observation series with 24-hour interval have longer maximum predictable scale than hourly series. These findings could have significant practical application for better prediction of urban hourly water consumption.     

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。