导读:本文包含了城市需水量预测论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:需水量,神经网络,城市,不确定,供水量,霍尔,序列。
城市需水量预测论文文献综述
董云程,周明,杜坤,卢慢,黄乐烽[1]（2019）在《城市需水量预测方法与模型综述》一文中研究指出通过需水量预测能实现城市供水系统最优控制,以达成供需平衡和节约能耗目的。分析2010-2019年部分有关城市需水量预测相关文献,对现有城市需水量预测方法与模型进行综述,提出目前需水量预测存在的问题及建议,为城市需水量预测后续研究提供基础与借鉴。(本文来源于《软件导刊》期刊2019年12期）
李慧敏,王小胜,刘欣欣,安笑洁[2]（2019）在《基于理想边界和多元逐步回归模型的城市生活需水量预测》一文中研究指出精准的生活需水量预测可为水资源管理部门调控供需提供数据支撑。由于测量过程中受诸多不确定因素的影响,观测值的测量结果不以单一的数值存在,利用区间数值可以很好描述这一不确定性的范围。现有预测区间的算法需要繁琐的参数搜索过程,本文算法可简化该过程。首先,利用一种初始区间设定办法得到区间宽度,作为本文初始绝对宽度构造区间上下界。其次,对上界集和下界集分别建立多元逐步回归模型预测城市生活需水量的区间上下界,以预测区间覆盖率、预测区间宽度、预测区间对称性和均方根误差作精度评估指标与已有模型结果对比,截取较优的绝对宽度,建立模型。与此同时,以邯郸市生活需水量为例,与已有模型对比,预测精度优于已有模型。(本文来源于《南方农机》期刊2019年17期）
陈攀,杜坤,周明,毛润康,雷雨晴[3]（2019）在《基于粒子群算法优化的城市供水量预测模型研究》一文中研究指出鉴于BP神经网络、RBF神经网络在城市供水量预测精度上的不足,利用粒子群算法优化两者相关参数,实现更高预测精度,并通过建立BP神经网络、RBF神经网络、PSO-BP神经网络、PSO-RBF神经网络分别对城市供水量数据进行仿真预测。最终测试样本统计结果显示:RBF神经网络比BP神经网络平均相对误差(MRE)低约1%,在拟合度(R~2)上高约0.014;PSO-BP神经网络比BP神经网络在MRE上降低约1.25%,在R~2上提高约0.05;PSO-RBF神经网络比RBF神经网络在MRE上降低约0.3%,在R~2上提高约0.072。由此说明RBF神经网络比BP神经网络在城市供水量预测方面更有优势,并且利用粒子群算法优化神经网络模型参数可有效提升神经网络预测精度。(本文来源于《软件导刊》期刊2019年07期）
张薇薇,赵平伟,王景成[4]（2019）在《基于长短时神经网络的城市需水量预测应用》一文中研究指出在分析影响居民用水量相关性因素的基础上,采用长短时神经网络结合Encoder-Decoder方法建立城市需水量预测模型。长短时神经网络可以自动从时间序列的历史数据中抽取数据特征,避免了手动设计输入变量特征的繁琐,且可以采用更长时间的历史数据进行训练,充分考虑长期条件下不同天气、节假日的城市居民用水特征。Encoder-Decoder的网络结构模拟大脑对数据处理和做出决策的过程,适合多小时水量预测模型的构建。该模型应用于某地区需水量预测,取得了较高的预测精度,模型的适用性得到了有效验证。(本文来源于《净水技术》期刊2019年S1期）
车忠坤[5]（2019）在《基于灰色动态预测模型的城市需水量与废水排放量预测研究》一文中研究指出灰色系统理论的动态预测模型表现出预测精度高、适用范围广、所需原始数据少等优点。以大连市为例,通过模型的残差修正和理论分析,构建大连市城市需水量与废水排放量分析的灰色动态预测模型,利用数理统计的回归分析法对城市需水量和废水排放量进行预测,结果可知:大连市2020年万元工业增加用水量预测值为286.85 m~3/万元,城市需水量预测相对误差在-0.28%～0.26%范围;大连市2016年工业废水排放量预测结果显示为8.85亿t,评价结果与实际数据相差0.86亿t,相对误差为0.9%,证明模型具有较好的精度与可靠性。(本文来源于《地下水》期刊2019年03期）
徐继红[6]（2019）在《基于改进主成分分析法的城市需水量预测》一文中研究指出为提高城市需水量预测精度,提出了基于主成分分析和长短时记忆神经网络的城市需水量预测模型。本文利用该模型对新疆阿克苏市城市需水量进行验证。结果表明:与BP神经网络等模型相比,该模型具有良好的预测性能和泛化能力,能够满足城市需水量精确预测的需要,可以为干旱区城市水资源精准调控提供参考。(本文来源于《水资源开发与管理》期刊2019年03期）
易畅[7]（2019）在《基于一种加权组合模型的城市供水量预测》一文中研究指出在城市发展中,供水系统的发展受很多因素的影响。文章参照理念数据,对城市供水量预测进行研究,探究甲醛组合预测模型。该模型后期预测的精准度很高,比任何一种预测方式效果都好,对未来城市供水量预测有极好的指导作用,具有一定的推广价值。(本文来源于《花炮科技与市场》期刊2019年01期）
贾玉娟[8]（2019）在《改进的混合差分人工蜂群算法在辽宁东部城市供水量预测中的应用研究》一文中研究指出用改进的混合差分人工蜂群算法对辽宁东部某城市供水量进行预测。结果表明:相比于传统算法,改进算法在目标聚类求解精度上具有较为明显的改善;改进的混合差分人工分群算法具有更好的收敛精度和预测精度,更适用于城市供水预测,改进算法预测的供水量和实测供水量的拟合误差为7. 1%,计算消耗时间为4. 3min,而传统算法的拟合误差为17. 3%,计算消耗时间为7. 8min;在远景年份2020—2030年,辽宁东部某城市年供水量将达到35. 15亿～45. 18亿m3,供水量将逐年递增。(本文来源于《水利技术监督》期刊2019年01期）
郭华,褚金鹏[9]（2018）在《基于灰色系统理论对城市年需水量预测的模型探究》一文中研究指出应用灰色理论建立GM(1,1)模型,对研究区的城市需水量进行预测,运用残差理论对数据进行分析,平均相对误差为3. 16%,说明模型具有较高的准确性。模型的建立能够用于研究区的城市年需水量的预测,并为研究区后期的水资源合理利用及调配提供基础数据支撑。(本文来源于《水利科技与经济》期刊2018年12期）
李海燕[10]（2018）在《两种不同的城市需水量预测方法》一文中研究指出城市需水量预测是水资源规划和管理的基础,是供水系统优化调度的重要组成部分,同时也是解决水资源供需矛盾,实现水资源可持续利用的有效手段。由于测量的非精确性以及受到自然环境、社会经济发展和相关用水政策等诸多不确定因素的影响,城市需水量往往不是以单一的数值形式存在。因此,如何科学合理的进行城市需水量预测仍需进一步研究。针对城市需水量预测中的不确定性特点,本文将不确定理论与传统的统计方法相结合,分别构建了两种不同类型的需水量预测方法,并分别应用于天津市和北京市的需水量预测。主要研究内容如下:第一,建立系数为非对称叁角形不确定集的不确定回归模型,建立了线性规划方法和非线性规划两种参数估计方法。并以天津市的居民生活需水量为例,分别建立了两个需水量预测模型,基于经典的评价标准,对两种参数估计方法的预测效果进行了对比。同时与传统的回归方法进行对比分析,结果表明不确定回归模型的预测性能要优于传统的回归模型。第二,建立观测值为不确定变量的不确定时间序列模型。首先,给出不确定时间序列的自相似度定义,并设计相应的算法确定最优的自回归模型阶数;其次,提出了一种基于不确定规划的参数估计方法,并转化为一定置信度下的确定性规划模型求解;再次,将非精确的观测值假定为线性不确定变量,给出了一种新的基于比率的方法来构造不确定时间序列;最后,将提出的方法应用于北京市的需水量预测中,分别给出不同置信水平下的预测结果,并与传统时间序列模型的结果进行对比,研究结果表明不确定时间序列模型的预测精度要高于传统的模型。本文的研究进一步完善了城市需水量的预测方法,拓展了不确定统计的应用范围,为城市水资源规划和优化配置提供理论基础和决策依据。(本文来源于《河北工程大学》期刊2018-12-01）
城市需水量预测论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
精准的生活需水量预测可为水资源管理部门调控供需提供数据支撑。由于测量过程中受诸多不确定因素的影响,观测值的测量结果不以单一的数值存在,利用区间数值可以很好描述这一不确定性的范围。现有预测区间的算法需要繁琐的参数搜索过程,本文算法可简化该过程。首先,利用一种初始区间设定办法得到区间宽度,作为本文初始绝对宽度构造区间上下界。其次,对上界集和下界集分别建立多元逐步回归模型预测城市生活需水量的区间上下界,以预测区间覆盖率、预测区间宽度、预测区间对称性和均方根误差作精度评估指标与已有模型结果对比,截取较优的绝对宽度,建立模型。与此同时,以邯郸市生活需水量为例,与已有模型对比,预测精度优于已有模型。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
城市需水量预测论文参考文献
[1].董云程,周明,杜坤,卢慢,黄乐烽.城市需水量预测方法与模型综述[J].软件导刊.2019
[2].李慧敏,王小胜,刘欣欣,安笑洁.基于理想边界和多元逐步回归模型的城市生活需水量预测[J].南方农机.2019
[3].陈攀,杜坤,周明,毛润康,雷雨晴.基于粒子群算法优化的城市供水量预测模型研究[J].软件导刊.2019
[4].张薇薇,赵平伟,王景成.基于长短时神经网络的城市需水量预测应用[J].净水技术.2019
[5].车忠坤.基于灰色动态预测模型的城市需水量与废水排放量预测研究[J].地下水.2019
[6].徐继红.基于改进主成分分析法的城市需水量预测[J].水资源开发与管理.2019
[7].易畅.基于一种加权组合模型的城市供水量预测[J].花炮科技与市场.2019
[8].贾玉娟.改进的混合差分人工蜂群算法在辽宁东部城市供水量预测中的应用研究[J].水利技术监督.2019
[9].郭华,褚金鹏.基于灰色系统理论对城市年需水量预测的模型探究[J].水利科技与经济.2018
[10].李海燕.两种不同的城市需水量预测方法[D].河北工程大学.2018
论文知识图
