本文關(guān)鍵詞：基于時序驅(qū)動的城市供水量組合預(yù)測模型研究　出處：《昆明理工大學(xué)》2017年碩士論文　論文類型：學(xué)位論文

  更多相關(guān)文章： 供水量預(yù)測 混沌理論 鄰近點 神經(jīng)網(wǎng)絡(luò) 組合模型

【摘要】：通過供水量預(yù)測,既可為優(yōu)化供水系統(tǒng)管理提供數(shù)據(jù)依據(jù),又可為市政供水設(shè)施的投資決策提供指導(dǎo),提高水資源利用效率,改善城市生態(tài)環(huán)境,促進社會和諧健康發(fā)展。為進一步提高城市供水量預(yù)測精度,本文通過收集某市1#、2#水廠的實測數(shù)據(jù)為研究對象,從日、月供水量預(yù)測兩個方面,開展了基于時序驅(qū)動的城市供水量組合預(yù)測模型研究,取得的相關(guān)研究成果及結(jié)論如下:①供水量預(yù)測基本原理及可預(yù)測性分析研究;首先介紹了基于時間序列驅(qū)動預(yù)測模型的基本原理及數(shù)據(jù)處理方法,接著分析了各供水量時間序列的可預(yù)測性。通過功率譜和最大Lyapunov指數(shù)分別從定性和定量的角度分析得出,日、月供水量時序均存在明顯的混沌特性,說明該供水量時序具有可預(yù)測性。基于時序驅(qū)動的混沌預(yù)測法不需要考慮影響系統(tǒng)的諸多外在因素,只從時序中尋找系統(tǒng)規(guī)律,不易受干擾,大大減少了相關(guān)工作量,實用價值較大。②基于混沌理論預(yù)測模型研究;基于混沌理論預(yù)測模型是目前解決非線性(混沌)系統(tǒng)預(yù)測問題的有效手段之一,預(yù)測精度高。分析對比了混沌全域法、局域法和最大Lyapunov指數(shù)預(yù)測法的預(yù)測精度。結(jié)果表明,混沌局域法較混沌全域法和Lyapunov指數(shù)法預(yù)測精度更高,且對比相同步距,混沌局域法預(yù)測誤差波動更小。再者,為進一步提高預(yù)測精度,討論加權(quán)一階局域法鄰近點優(yōu)選問題,演化追蹤法能夠綜合考慮鄰近相點的演化軌跡,有效辨別真、偽鄰近相點,比傳統(tǒng)選取方法及信息準(zhǔn)則取得更精確的預(yù)測結(jié)果。③對BP、RBF以及GRNN神經(jīng)網(wǎng)絡(luò)模型進行了探究;用目前技術(shù)最成熟、應(yīng)用最廣泛反向反饋和徑向基這兩類神經(jīng)網(wǎng)絡(luò)(三種神經(jīng)網(wǎng)絡(luò)模型)作為供水量預(yù)測的建�；A(chǔ),對其理論和建模步驟進行了的介紹并分析對比了這兩類神經(jīng)網(wǎng)絡(luò)的優(yōu)缺點及提出改進方法。在對比實例中,神經(jīng)網(wǎng)絡(luò)對供水量趨勢把握較好,徑向基網(wǎng)絡(luò)的預(yù)測精度比反向反饋網(wǎng)絡(luò)更高、預(yù)測值波動小,但神經(jīng)網(wǎng)絡(luò)模型存在參數(shù)設(shè)計繁瑣、預(yù)測結(jié)果不確定的缺點。④基于新技術(shù)的供水量組合模型研究;介紹了組合模型的特點以及供水系統(tǒng)預(yù)測模型組合的必要性,隨后介紹了混沌算法與神經(jīng)網(wǎng)絡(luò)組合模型的原理。最后在實例分析中,首先采用加權(quán)一階局域預(yù)測法、BP、RBF及GRNN網(wǎng)絡(luò)預(yù)測模型對日、月供水量進行單獨預(yù)測,然后將三種神經(jīng)網(wǎng)絡(luò)分別與加權(quán)一階局域法進行組合預(yù)測。結(jié)果表明,組合預(yù)測模型精度都高于對應(yīng)單一預(yù)測模型,其中加權(quán)一階局域法與GRNN網(wǎng)絡(luò)的組合模型預(yù)測精度最高,其穩(wěn)定性更好和運算時間更短,證明所提出的組合預(yù)測方法是可行的。本文提出的組合預(yù)測模型不僅為城市供水量預(yù)測提供了一種高效新方法,還為其它相關(guān)研究的開展提供了新思路。所有預(yù)測方法都編制了相應(yīng)的程序,申請軟件著作權(quán)、專利,這為將來投入實際使用奠定了堅實的基礎(chǔ)。
[Abstract]:In order to improve the forecasting precision of urban water supply , this paper introduces the basic principle and the data processing method of the forecasting model of urban water supply based on time series . This paper introduces the principle of the combination model of chaos and neural network . Finally , in the case study , the forecasting model of weighted first order local prediction method , BP , RBF and GRNN network is used to predict the daily and monthly water supply , and then three neural networks are combined with weighted first order local area method . The results show that the combination forecasting model not only provides a new method for forecasting urban water supply , but also provides a new idea for the development of other related research .

【學(xué)位授予單位】：昆明理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：TU991.31

【參考文獻】

相關(guān)期刊論文 前10條

1 劉年東;杜坤;周明;李誠;胡琪勇;;局域法鄰近點選取對降雨量預(yù)測精度影響研究[J];給水排水;2016年S1期

2 張忠國;;基于ARIMA與ANN組合模型的需水量預(yù)測方法研究[J];吉林水利;2015年07期

3 遲道才;王子凰;陳濤濤;許杏娟;張瑞;;ARIMA和蒙特卡洛方法在預(yù)測降水量中的應(yīng)用[J];沈陽農(nóng)業(yè)大學(xué)學(xué)報;2015年02期

4 岳順;李小奇;翟長治;;基于改進Cao算法確定奇異譜嵌入維數(shù)及應(yīng)用[J];測繪工程;2015年03期

5 戢鋼;王景成;葛陽;劉華江;楊麗雯;;城市小時級需水量的改進型引力搜索算法-最小二乘支持向量機模型預(yù)測[J];控制理論與應(yīng)用;2014年10期

6 付強;李晨溪;張朝曦;;關(guān)于G-P算法計算混沌關(guān)聯(lián)維的討論[J];解放軍理工大學(xué)學(xué)報(自然科學(xué)版);2014年03期

7 戚明杰;賴華;;城市智能化供水調(diào)度系統(tǒng)的研究與應(yīng)用[J];自動化儀表;2014年05期

8 仇軍;王景成;;基于PSO-LSSVM的城市時用水量預(yù)測[J];控制工程;2014年02期

9 周晨;馮宇東;肖匡心;韓珊;董穎;;基于多元線性回歸模型的東北地區(qū)需水量分析[J];數(shù)學(xué)的實踐與認(rèn)識;2014年01期

10 戴虹;錢晉武;張震;沈林勇;章亞男;;GRNN在肌電預(yù)測踝關(guān)節(jié)運動中的應(yīng)用[J];儀器儀表學(xué)報;2013年04期

相關(guān)博士學(xué)位論文 前2條

1 白云;時間序列特性驅(qū)動的供水量預(yù)測方法研究及應(yīng)用[D];重慶大學(xué);2014年

2 向小東;基于神經(jīng)網(wǎng)絡(luò)與混沌理論的非線性時間序列預(yù)測研究[D];西南交通大學(xué);2002年

相關(guān)碩士學(xué)位論文 前3條

1 吳彎;城鎮(zhèn)需水量預(yù)測方法研究[D];華南理工大學(xué);2014年

2 高俊杰;混沌時間序列預(yù)測研究及應(yīng)用[D];上海交通大學(xué);2013年

3 岳琳;城市用水量預(yù)測非線性方法的研究[D];天津大學(xué);2005年

，

本文編號：1383089