导读:本文包含了城市需水预测论文开题报告文献综述及选题提纲参考文献，主要关键词:城市需水量预测,模糊认知图,遗传算法
城市需水预测论文文献综述
韩慧健,宋馨芳,张慧[1]（2019）在《一种城市需水量预测的模糊认知图方法》一文中研究指出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。(本文来源于《计算机科学》期刊2019年S2期）
雷付春[2]（2019）在《新型组合模型在北方城市用水预测中的应用研究》一文中研究指出针对城市用水非线性变化波动的特征,传统单一模型很难对原始用水数据充分反映,结合季节性变化序列预测模型以及粒子群算法进行优化组合,构建一种新型组合模型,对辽宁北部城市的日、月两种时间尺度用水进行预测。结果表明:采用实测用水数据进行对比分析后,新型组合预测模型在各时间尺度上的城市用水预测精度和稳定性均好于传统单一预测模型。(本文来源于《水利规划与设计》期刊2019年10期）
聂红梅,赵建军,李兴菊,王迎[3]（2019）在《城市需水预测算法比较》一文中研究指出建立高精度水量预测算法模型,有利于水资源充分利用。以北京市2002-2015年需水量为例,对数据进行相关性分析后选出主要影响因素,然后采用主成分回归法、逐步回归法、灰色模型以及BP神经网络共4种方法进行建模,并用北京市2016年和2017年数据进行模型精度验证。结果表明:4种方法都适合用于城市需水量预测,其中主成分分析和逐步回归分析两种方法主要考虑了多元线性回归存在多重共线性,但是逐步回归模型优于主成分回归模型。将4种模型进行对比验证,BP神经网络模型预测精度最高,平均相对误差达到0.79%,用来预测2016-2017年需水量,预测结果分别为38.66亿m~3、39.49亿m~3,适合作为城市需水量预测方法。(本文来源于《软件导刊》期刊2019年10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）
管桂玲,卢发周,果利娟,陈璇[7]（2019）在《基于组合预测法的城市需水预测》一文中研究指出建立指数平滑和灰色模型组合预测模型,采用改进熵值法确定权重系数,并运用组合模型对宁波市进行了需水预测。以宁波市2001～2015年城市用水总量为基础数据,2016年城市用水总量作为测试数据,预测结果显示,组合预测模型的相对误差只有0.17%,低于指数平滑预测的1.71%和灰色模型预测的1.19%,组合预测模型进一步提高了单一预测模型的预测精度。(本文来源于《江苏水利》期刊2019年03期）
李海燕[8]（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）
陈伟楠,杨程天[9]（2018）在《基于主成分分析的PSO-BP模型在城市需水预测中的应用》一文中研究指出针对城市需水预测模型中需水量影响因子多、影响因子之间普遍存在多重共线问题以及BP神经网络收敛速度慢、易陷入局部最优等缺点,提出一种由主成分分析、粒子群算法及BP神经网络叁者相结合的改进预测模型。以泰州市为实例,建立以主成分分析筛选需水量主要影响因子,粒子群优化BP网络连接权值和阈值的需水预测模型,将预测结果与BP神经网络预测模型预测结果作对比。结果表明:改进预测模型预测值与实际泰州市需水量吻合良好且训练速度更快、预测精度更高,可作为需水预测的一种有效方法。(本文来源于《信息与电脑(理论版)》期刊2018年13期）
李磊,陈金明,肖振国,赵绍熙[10]（2018）在《城市规划类水资源论证需水预测及合理性分析——以云南省滇中新区为例》一文中研究指出以云南省滇中新区为例,采用生活、工业、农业和生态用水分项需水预测法,单位人口综合用水量指标法和单位建设用地综合用水量指标法确定新区的需水总量,并从用水总量控制指标相符性、用水效率控制指标符合性、用水结构合理性3个方面进行分析。综合分析认为,滇中新区的需水预测和合理性分析方法得当,具有较好的典型性,能够为今后同类项目尤其是云南省开展规划水资源论证提供借鉴。(本文来源于《中国水利》期刊2018年13期）
城市需水预测论文开题报告
（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：
针对城市用水非线性变化波动的特征,传统单一模型很难对原始用水数据充分反映,结合季节性变化序列预测模型以及粒子群算法进行优化组合,构建一种新型组合模型,对辽宁北部城市的日、月两种时间尺度用水进行预测。结果表明:采用实测用水数据进行对比分析后,新型组合预测模型在各时间尺度上的城市用水预测精度和稳定性均好于传统单一预测模型。
（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。
城市需水预测论文参考文献
[1].韩慧健,宋馨芳,张慧.一种城市需水量预测的模糊认知图方法[J].计算机科学.2019
[2].雷付春.新型组合模型在北方城市用水预测中的应用研究[J].水利规划与设计.2019
[3].聂红梅,赵建军,李兴菊,王迎.城市需水预测算法比较[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].管桂玲,卢发周,果利娟,陈璇.基于组合预测法的城市需水预测[J].江苏水利.2019
[8].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
[9].陈伟楠,杨程天.基于主成分分析的PSO-BP模型在城市需水预测中的应用[J].信息与电脑(理论版).2018
[10].李磊,陈金明,肖振国,赵绍熙.城市规划类水资源论证需水预测及合理性分析——以云南省滇中新区为例[J].中国水利.2018