神经网络方法在城市需水量预测中的应用

本文详细阐述了采用BP神经网络和模糊神经网络进行城市需水预测的方法,并将这两种方法和灰色预测模型应用到石河子市需水预测的实证研究中。通过对这三种方法进行比较研究,发现在相关因素数据比较齐全时,两种神经网络的模拟结果精度较高,模糊神经网络方法的模拟精度最高。

城市需水量预测模型的评价和选优研究

在系统研究国内外城市需水量预测方法和模型的基础上,对各种预测方法和模型进行了归类,并重点分析评价了自适应过滤模型、回归分析模型、灰色预测模型、组合预测模型、系统动力学模型、人工神经网络模型、支持向量机模型等目前几种常用的预测模型,比较了各模型的预测效果、精度、应用条件等,最后探讨了实际运用中预测模型的选优问题,为具体情况下预测方法的选择提供了参考。

基于遗传-神经网络的城市需水量预测方法研究

为了实现城市可持续发展,城市需水量预测极为重要。针对目前常用的灰色预测方法,从建模机理出发,指出了灰色建模中存在的不足。本文将人工神经网络原理引入城市需水量预测中,并针对BP网络收敛速度慢、易陷入局部极小的缺陷,提出了基于GA和BP的预测模型,实例研究表明该模型是一种行之有效的城市需水量预测模型。

一种城市需水量预测的模糊认知图方法

系统运作的状态数据是复杂因素相互作用的产物,需水量的变化受到多种因素相互影响。传统的基于时间序列预测方法预测变量较单一,忽略了系统各因素的因果关系。因此,文中提出了一种新的预测方法—模糊认知图(FCM),其恰好拥有这种特性,它是一种带权重值的模糊反馈推理机制,量化表示概念间的因果关系,模拟整个系统运转。文中将模糊认知图和遗传算法相结合构建城市需水量模型,搜集整理了2001-2010年间的数据进行训练,最后采用2011-2015年间的数据来进行验证与测试。结果表明:在五年平均相对误差方面,非线性趋势模型为5.91%,BP神经网络为1.83%,提出的方法为1.34%,因此所提方法的预测精度较高、泛化性能良好。根据实验数据分析可得,未来济南市对于水资源进行管理时,要在合理把控万元国内生产总值用水量和万元工业增加值用水量的同时,加大城市工业用水重复率和居民生活用水回收率。该模型为城市需水量的预测和分析提供了一种更有效的方法。

基于灰色GM(1,1)模型的城市需水量预测研究

介绍灰色理论建模原理以及参数辨识方法,从年度用水量本身挖掘有用的信息,依据长治市1996年~2004年用水资料建立了灰色GM（1,1）预测模型,经检验模型精度达到96.4%,并用该模型对城市需水量进行了预测。预测结果表明,该模型用于城市需水量预测,符合其灰色特性,可检验,适用性好,可为长治市水资源规划与管理提供必要的参考。

基于修正组合模型的青海省城市需水量预测

根据城市用水量系统具有非线性和随机波动性的特点,为了充分发挥组合灰色神经网络预测模型能够综合单变量预测及非线性处理的优势,同时降低组合权系数计算方法的不确定性对模型预测效果的影响,论文提出了基于马尔科夫链修正的组合灰色神经网络预测模型。将其应用于1980—2009年青海省城市用水量序列的拟合分析,并预测其2010、2015以及2020年的城市需水量。结果表明:基于马尔科夫链修正的组合灰色神经网络预测模型预测结果的误差更小,精度更高。

基于COBP模型的城市短期需水量预测研究

针对城市需水量预测中时间序列的非线性特性及传统BP网络预测收敛速度慢易陷入局部极小值等问题,将Chaos理论和BP神经网络理论相结合,提出了一种基于Chaos-BP理论的城市短期需水量COBP(ChaosBackPropagtion)预测模型。利用重构相空间的嵌入维数确定COBP网络的结构,通过混沌优化搜索,找到BP神经网络权值的全局最优值,并对其输出的“尖点”预测值进行混沌参数控制,实现城市短期需水量的预测。仿真分析表明,与传统预测模型相比,COBP预测模型所需训练数据样本少,收敛速度快、易达到全局最小值,预测结果整体误差的指标良好,呈现良好的综合预测性能。