【摘要】：NAR神經(jīng)網(wǎng)絡(luò)具有反饋和記憶功能,其在時間序列的建模仿真方面具有顯著優(yōu)點。以城市居民生活需水定額為例,采用NAR神經(jīng)網(wǎng)絡(luò)建立了貴州省城市居民生活需水定額的時間序列模型,通過試驗法、留一法交叉檢驗討論了模型相關(guān)輸入?yún)?shù)的計算與選取,通過相關(guān)系數(shù)、Nash效率系數(shù)、LBQ檢驗、ROC曲線方法檢驗了模型的性能和預(yù)測結(jié)果的精度,進(jìn)而對貴州省城市居民生活需水定額變化趨勢進(jìn)行了預(yù)測。結(jié)果表明,(1)NAR模型性能良好并具有較高的預(yù)測精度,NAR神經(jīng)網(wǎng)絡(luò)的相關(guān)系數(shù)r、Nash效率系數(shù)分別達(dá)到0.97、0.87,LBQ檢驗得出預(yù)測結(jié)果誤差不存在自相關(guān)性,采用預(yù)測結(jié)果繪制ROC曲線,其AUC值達(dá)到0.938(處于水平1,有較高準(zhǔn)確性);(2)需水定額合理性評價中,預(yù)測2020年、2030年需水定額分別為137.72 L/(人·d)、132.94 L/(人·d),滿足《室外給水設(shè)計規(guī)范》(GB50013—2006)的要求,具有較好的適用性。
[Abstract]:NAR neural network has the function of feedback and memory, and it has remarkable advantages in modeling and simulation of time series. Taking the urban residents' living water demand quota as an example, the time series model of the urban residents' water demand quota in Guizhou province is established by using NAR neural network. The calculation and selection of the relevant input parameters of the model are discussed by using the test method and the left one method. The performance of the model and the accuracy of the prediction results were tested by the correlation coefficient and Nash efficiency coefficient and the ROC curve method, and the trend of the change of the water demand quota for the urban residents in Guizhou Province was predicted. The results show that: (1) the correlation coefficient r-Nash efficiency coefficient of the NAR neural network with good performance and high prediction accuracy is 0.97 ~ 0.87%. The prediction error is not autocorrelation. The prediction results are used to draw the ROC curve. Its AUC value reached 0.938 (at level 1, with high accuracy); (2) water demand ration rationality evaluation, forecast 2020, 2030 water demand quota is 137.72 L / (person d) 132.94 L / (person d), meets the requirement of "Outdoor Water supply Design Code" (GB50013-2006), it has better applicability.
【作者單位】： 貴州省水利水電勘測設(shè)計研究院;貴州省喀斯特地區(qū)水資源開發(fā)利用工程技術(shù)研究中心;武漢大學(xué)水資源與水電工程科學(xué)國家重點實驗室;
【基金】：國家自然科學(xué)基金面上項目(51479140) 貴州省科技計劃項目(黔科合SY字[2015]3006;黔科合[2016]支撐2903;黔科合重大專項字[2012]6013號
【分類號】：TV213.4

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 宋孝玉,易廣軍,李智錄,沈冰;基于神經(jīng)網(wǎng)絡(luò)的金盆水庫大壩應(yīng)力預(yù)測[J];水資源與水工程學(xué)報;2004年04期

2 廖衛(wèi)洪;李躍平;;“人工”神經(jīng)網(wǎng)絡(luò)在大壩安全穩(wěn)定中的應(yīng)用研究[J];湖南水利水電;2008年03期

3 牛景太;魏博文;;基于蟻群優(yōu)化神經(jīng)網(wǎng)絡(luò)的混凝土壩位移安全監(jiān)控模型[J];甘肅水利水電技術(shù);2012年07期

4 吳云芳,李珍照;自適應(yīng)共振神經(jīng)網(wǎng)絡(luò)在水利工程開發(fā)方案決策中的應(yīng)用[J];水電能源科學(xué);2002年01期

5 強(qiáng)明輝;韓晶晶;;改進(jìn)的BP網(wǎng)絡(luò)在大壩變形監(jiān)測資料分析中的應(yīng)用研究[J];自動化與儀器儀表;2012年05期

6 李陽;紀(jì)昌明;李克飛;張驗科;趙璧奎;;結(jié)合均生函數(shù)的神經(jīng)網(wǎng)絡(luò)在中長期水文預(yù)報中的應(yīng)用[J];水電能源科學(xué);2013年02期

7 胡建蘭;劉玉忠;;基于神經(jīng)網(wǎng)絡(luò)方法的堤防穩(wěn)定性影響因素分析[J];人民黃河;2007年05期

8 刁凌志;員秀梅;崔梅娟;;基于神經(jīng)網(wǎng)絡(luò)的粉煤灰纖維混凝土強(qiáng)度預(yù)測[J];中州大學(xué)學(xué)報;2008年04期

9 張立新;蔣裕豐;董良;;基于蟻群神經(jīng)網(wǎng)絡(luò)的裂縫開合度預(yù)測模型[J];水力發(fā)電;2010年05期

10 黃濤珍,王曉東;BP神經(jīng)網(wǎng)絡(luò)在洪澇災(zāi)損失快速評估中的應(yīng)用[J];河海大學(xué)學(xué)報(自然科學(xué)版);2003年04期

相關(guān)會議論文 前8條

1 于軍;聶義勇;;神經(jīng)網(wǎng)絡(luò)控制算法在流體阻力時變物體運動模型中的應(yīng)用[A];2005年中國智能自動化會議論文集[C];2005年

2 付朝江;;基于神經(jīng)網(wǎng)絡(luò)的壩體斷面優(yōu)化設(shè)計[A];第一屆中國水利水電巖土力學(xué)與工程學(xué)術(shù)討論會論文集（上冊）[C];2006年

3 鐘洛加;沈貴文;;BP神經(jīng)網(wǎng)絡(luò)方法在三峽庫區(qū)滑坡預(yù)測中的應(yīng)用[A];西部水利水電開發(fā)與巖溶水文地質(zhì)論文選集[C];2004年

4 張小穩(wěn);李雪紅;李益進(jìn);陳輝;;基于神經(jīng)網(wǎng)絡(luò)的裂縫轉(zhuǎn)異荷載診斷[A];現(xiàn)代水利水電工程抗震防災(zāi)研究與進(jìn)展[C];2009年

5 林育梁;盧丹玫;楊二靜;;灰關(guān)聯(lián)神經(jīng)網(wǎng)絡(luò)法及防洪堤邊坡穩(wěn)定性分析[A];第一屆中國水利水電巖土力學(xué)與工程學(xué)術(shù)討論會論文集（上冊）[C];2006年

6 王利霞;蔡金錠;林禮清;;基于GA-BP神經(jīng)網(wǎng)絡(luò)的故障診斷專家系統(tǒng)在水輪機(jī)組中的應(yīng)用[A];2006中國電力系統(tǒng)保護(hù)與控制學(xué)術(shù)研討會論文集[C];2006年

7 羅先啟;張選兵;葛修潤;;基于神經(jīng)網(wǎng)絡(luò)的滑坡地下水位反分析[A];新世紀(jì)巖石力學(xué)與工程的開拓和發(fā)展——中國巖石力學(xué)與工程學(xué)會第六次學(xué)術(shù)大會論文集[C];2000年

8 袁利興;張愛學(xué);穆玉勇;;RBF神經(jīng)網(wǎng)絡(luò)在河堤變形分析和預(yù)測中的應(yīng)用[A];第十六屆六省礦山學(xué)術(shù)交流會論文集[C];2009年

相關(guān)博士學(xué)位論文 前2條

1 許世剛;計算智能及其在水利水電工程中的應(yīng)用[D];河海大學(xué);2001年

2 羅丹;高混凝土面板堆石壩反分析與面板溫度應(yīng)力研究[D];武漢大學(xué);2012年

相關(guān)碩士學(xué)位論文 前10條

1 劉俊輝;基于數(shù)據(jù)清洗方法的河道水位預(yù)測研究[D];昆明理工大學(xué);2015年

2 楊超;改進(jìn)的粒子群優(yōu)化BP神經(jīng)網(wǎng)絡(luò)在大壩變形預(yù)測中的應(yīng)用[D];東華理工大學(xué);2016年

3 王竹;基于BP神經(jīng)網(wǎng)絡(luò)的大伙房水庫洪水預(yù)報模型研究[D];沈陽農(nóng)業(yè)大學(xué);2016年

4 詹佩;基于人工智能的水電機(jī)組振動趨勢預(yù)測[D];華中科技大學(xué);2016年

5 張亞娣;基于神經(jīng)網(wǎng)絡(luò)的中小型水電站泄水閘門控制方法研究[D];河北科技大學(xué);2015年

6 王圣;基于神經(jīng)網(wǎng)絡(luò)的水文預(yù)報方法研究[D];華中科技大學(xué);2013年

7 孫英廣;神經(jīng)網(wǎng)絡(luò)在徑流預(yù)測模型研究中的應(yīng)用及軟件實現(xiàn)[D];大連理工大學(xué);2005年

8 霍惠玉;水庫信息管理系統(tǒng)研究[D];沈陽農(nóng)業(yè)大學(xué);2007年

9 李寧;BP神經(jīng)網(wǎng)絡(luò)在水文數(shù)據(jù)中的應(yīng)用研究[D];山西財經(jīng)大學(xué);2011年

10 吁莎;基于模糊優(yōu)選BP神經(jīng)網(wǎng)絡(luò)的水利水電工程造價估算研究[D];長沙理工大學(xué);2012年

，

本文編號：2220137