BP神经网络和误差校正算法与城市用水量的预测

城市用水量的准确预测是供水调度模式改革和创新的关键,对优化水资源配置有着重要意义。城市用水量受诸多因素影响,通过数据处理、探索性数据分析、特征工程,选择天气、节假日、时间三个变量作为BP神经网络模型的输入变量预测24小时5min级的城市用水量。城市用水量具有很强的周期性,有日周期性、周周期性、季节周期性,这样导致训练BP神经网络的数据周期最少为一年,仅仅使用BP神经网络模型预测短时间的城市用水量,误差偏大,为解决长周期的训练样本数据对短周期的预测数据的影响,引用误差校正算法对BP神经网络预测结果进行校正,提高预测精度。