【摘要】：針對(duì)需水預(yù)測(cè)方法大都存在一定的局限性,導(dǎo)致預(yù)測(cè)值與實(shí)際值差別較大的問(wèn)題,采用主成分分析與徑向基函數(shù)(RBF)神經(jīng)網(wǎng)絡(luò)相結(jié)合的方法建立需水量預(yù)測(cè)模型。首先借助SPSS進(jìn)行主成分分析,對(duì)影響因子進(jìn)行降維處理,以此減少各影響因子之間原有的多重共線性;其次,選用RBF網(wǎng)絡(luò),運(yùn)用Matlab神經(jīng)網(wǎng)絡(luò)工具箱,建立了基于主成分分析的RBF(PCA-RBF)神經(jīng)網(wǎng)絡(luò)需水預(yù)測(cè)模型;并以遼寧西部地區(qū)凌源市需水預(yù)測(cè)為例,對(duì)預(yù)測(cè)模型進(jìn)行了校核。利用訓(xùn)練好的PCA-RBF神經(jīng)網(wǎng)絡(luò)需水預(yù)測(cè)模型對(duì)凌源市2014、2015年的總需水量進(jìn)行模擬預(yù)測(cè),預(yù)測(cè)結(jié)果與實(shí)測(cè)數(shù)據(jù)相對(duì)誤差分別為2.9%、0.4%。這說(shuō)明該模型可相對(duì)全面地模擬需水量變化規(guī)律,能夠用于半干旱山區(qū)和材料相對(duì)較少時(shí)需水量的精準(zhǔn)預(yù)測(cè),為水資源規(guī)劃管理提供了理論依據(jù)。
[Abstract]:In view of the limitation of most forecasting methods for water demand, which leads to the big difference between the predicted value and the actual value, the method of combining principal component analysis and radial basis function (RBF) neural network is used to establish the water demand forecasting model. Firstly, the principal component analysis (PCA) of SPSS is used to reduce the dimension of the influence factors, so as to reduce the original multiple collinearity among the factors. Secondly, RBF neural network and Matlab neural network toolbox are used to establish the RBF (PCA-RBF) neural network water demand prediction model based on principal component analysis, and the prediction model is checked by taking Lingyuan city in western Liaoning as an example. Using the trained PCA-RBF neural network water demand prediction model, the total water demand of Lingyuan city in 2014 and 2015 was simulated and forecasted. The relative error between the forecast result and the measured data was 2.9% and 0.4g, respectively. The results show that the model can simulate the variation of water demand relatively comprehensively, and can be used to predict water demand accurately in semi-arid mountain areas and when the materials are relatively small, which provides a theoretical basis for the planning and management of water resources.
【作者單位】： 沈陽(yáng)農(nóng)業(yè)大學(xué)水利學(xué)院;凌源市水務(wù)局;遼寧省水文水資源勘測(cè)局;丹東市林業(yè)局;
【分類(lèi)號(hào)】：TV213.4

【參考文獻(xiàn)】

相關(guān)期刊論文 前7條

1 崔東文;;加權(quán)平均集成神經(jīng)網(wǎng)絡(luò)模型在城市需水預(yù)測(cè)中的應(yīng)用[J];水資源保護(hù);2014年02期

2 趙晶;趙一新;黃強(qiáng);;基于神經(jīng)網(wǎng)絡(luò)方法和支持向量機(jī)的西安市水資源需水預(yù)測(cè)[J];西北農(nóng)林科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2013年07期

3 龍訓(xùn)建;錢(qián)鞠;梁川;;基于主成分分析的BP神經(jīng)網(wǎng)絡(luò)及其在需水預(yù)測(cè)中的應(yīng)用[J];成都理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2010年02期

4 王海鋒;賀驥;龐靖鵬;張旺;;需水預(yù)測(cè)方法及存在問(wèn)題研究[J];水利發(fā)展研究;2009年03期

5 孫廷容;楊菊香;張洪波;黃強(qiáng);王功;;基于徑向基函數(shù)網(wǎng)絡(luò)的能源消費(fèi)量預(yù)測(cè)模型[J];西安理工大學(xué)學(xué)報(bào);2006年02期

6 薛小杰,黃強(qiáng),惠泱河,王煜,李勛貴;基于徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)與改進(jìn)遺傳算法的黃河流域需水預(yù)測(cè)[J];水土保持學(xué)報(bào);2002年03期

7 朱明星,張德龍;RBF網(wǎng)絡(luò)基函數(shù)中心選取算法的研究[J];安徽大學(xué)學(xué)報(bào)(自然科學(xué)版);2000年01期

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 �；廴�;王麗學(xué);陳韶明;孫娟;李司瑾;;基于主成分分析的RBF神經(jīng)網(wǎng)絡(luò)在需水預(yù)測(cè)中的應(yīng)用[J];水電能源科學(xué);2017年07期

2 常浩娟;劉衛(wèi)國(guó);吳瓊;;瑪納斯河流域用水分析、需水預(yù)測(cè)和影響因素[J];節(jié)水灌溉;2017年07期

3 魏皓然;傅丹毅;;陀螺儀故障數(shù)據(jù)檢測(cè)的神經(jīng)網(wǎng)絡(luò)算法[J];電子制作;2017年13期

4 韓銳;董增川;王雪薇;馬紅亮;;加權(quán)平均集成模型在徑流預(yù)測(cè)中的應(yīng)用[J];人民黃河;2017年06期

5 張旭;王小軍;劉永剛;尚熳廷;韓沂樺;;寧東煤炭基地水資源需求預(yù)測(cè)分析[J];地下水;2017年03期

6 汪志強(qiáng);黃晶;康晉樂(lè);;灰色關(guān)聯(lián)分析和BP神經(jīng)網(wǎng)絡(luò)組合預(yù)測(cè)模型在區(qū)域需水量預(yù)測(cè)中的應(yīng)用[J];科技展望;2017年12期

7 王勇;唐旭;鄒飛;方正峰;;爆破振動(dòng)特征參量的SVM及神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)應(yīng)用研究[J];公路;2017年04期

8 黃曦妮;查思慧;;BP神經(jīng)網(wǎng)絡(luò)方法在灌區(qū)需水預(yù)測(cè)中的應(yīng)用[J];江西水利科技;2017年02期

9 崔東文;;飛蛾火焰優(yōu)化算法-投影尋蹤回歸模型在需水預(yù)測(cè)中的應(yīng)用[J];華北水利水電大學(xué)學(xué)報(bào)(自然科學(xué)版);2017年02期

10 郭磊;黃本勝;邱靜;黃鋒華;;基于趨勢(shì)及回歸分析的珠三角城市群需水預(yù)測(cè)[J];水利水電技術(shù);2017年01期

【二級(jí)參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 崔東文;;支持向量機(jī)在水資源類(lèi)綜合評(píng)價(jià)中的應(yīng)用——以全國(guó)31個(gè)省級(jí)行政區(qū)水資源合理性配置為例[J];水資源保護(hù);2013年05期

2 崔東文;;支持向量機(jī)在湖庫(kù)營(yíng)養(yǎng)狀態(tài)識(shí)別中的應(yīng)用[J];水資源保護(hù);2013年04期

3 崔東文;;改進(jìn)Elman神經(jīng)網(wǎng)絡(luò)在徑流預(yù)測(cè)中的應(yīng)用[J];水利水運(yùn)工程學(xué)報(bào);2013年02期

4 鄭莉;段冬梅;陸鳳彬;許偉;楊翠紅;汪壽陽(yáng);;我國(guó)豬肉消費(fèi)需求量集成預(yù)測(cè)——基于ARIMA、VAR和VEC模型的實(shí)證[J];系統(tǒng)工程理論與實(shí)踐;2013年04期

5 崔東文;;基于改進(jìn)BP神經(jīng)網(wǎng)絡(luò)模型的云南文山州水資源脆弱性綜合評(píng)價(jià)[J];長(zhǎng)江科學(xué)院院報(bào);2013年03期

6 崔東文;;基于極限學(xué)習(xí)機(jī)的長(zhǎng)江流域水資源開(kāi)發(fā)利用綜合評(píng)價(jià)[J];水利水電科技進(jìn)展;2013年02期

7 崔東文;;多隱層BP神經(jīng)網(wǎng)絡(luò)模型在徑流預(yù)測(cè)中的應(yīng)用[J];水文;2013年01期

8 崔東文;;幾種神經(jīng)網(wǎng)絡(luò)模型在湖庫(kù)富營(yíng)養(yǎng)化程度評(píng)價(jià)中的應(yīng)用[J];水資源保護(hù);2012年06期

9 崔東文;郭榮;;BP神經(jīng)網(wǎng)絡(luò)模型與灰色GM(1,1)模型在需水預(yù)測(cè)中的應(yīng)用[J];水資源研究;2012年03期

10 崔東文;;基于BP神經(jīng)網(wǎng)絡(luò)的文山州水資源承載能力評(píng)價(jià)分析[J];長(zhǎng)江科學(xué)院院報(bào);2012年05期

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 曹靜;鐘毓寧;王侃;;主成分分析在評(píng)定名牌企業(yè)中的應(yīng)用[J];儀器儀表學(xué)報(bào);2006年S3期

2 查偉雄,黎新華;影響貨車(chē)中時(shí)的主成分分析[J];鐵道學(xué)報(bào);2000年06期

3 高長(zhǎng)元,丁雪偉,綦良群;高新技術(shù)產(chǎn)品的主成分分析評(píng)價(jià)法[J];哈爾濱理工大學(xué)學(xué)報(bào);2000年01期

4 王美華;廣東省主要城市綜合經(jīng)濟(jì)實(shí)力的評(píng)價(jià)[J];中南工學(xué)院學(xué)報(bào);2000年03期

5 馮煒,申恩平;企業(yè)家創(chuàng)業(yè)動(dòng)因和障礙的主成分分析模型[J];沈陽(yáng)工業(yè)大學(xué)學(xué)報(bào);2003年02期

6 張立華;金浩;邢會(huì);張英民;;河北省經(jīng)濟(jì)可持續(xù)發(fā)展的全局主成分分析[J];河北工業(yè)大學(xué)學(xué)報(bào);2006年02期

7 王鳴濤;葉春明;;基于主成分分析的我國(guó)區(qū)域?qū)＠麑?shí)力評(píng)價(jià)研究[J];河南機(jī)電高等專(zhuān)科學(xué)校學(xué)報(bào);2010年02期

8 唐自來(lái);王娟娟;;基于主成分分析的建筑業(yè)上市公司經(jīng)營(yíng)業(yè)績(jī)?cè)u(píng)價(jià)[J];中國(guó)證券期貨;2012年09期

9 李軍;聶春暉;楊建中;;基于主成分分析的多路閥再制造質(zhì)量回歸模型優(yōu)化[J];液壓氣動(dòng)與密封;2013年07期

10 李瑜祥;;主成分分析程序及其應(yīng)用[J];自動(dòng)化儀表;1987年04期

相關(guān)會(huì)議論文 前10條

1 么彩蓮;魏寧;;關(guān)于主成分分析的改進(jìn)方法探討[A];中國(guó)現(xiàn)場(chǎng)統(tǒng)計(jì)研究會(huì)第12屆學(xué)術(shù)年會(huì)論文集[C];2005年

2 陳明星;繆柏其;靳韜;;利率影響因素的主成分分析與因子分析[A];中國(guó)現(xiàn)場(chǎng)統(tǒng)計(jì)研究會(huì)第12屆學(xué)術(shù)年會(huì)論文集[C];2005年

3 孫曉東;胡勁松;焦s，

本文編號(hào)：2342524