農(nóng)村需水量影響因素作用機理復(fù)雜導(dǎo)致農(nóng)村需水量預(yù)測值與實際值差別較大,采用模糊C聚類分析與Elman神經(jīng)網(wǎng)絡(luò)模型結(jié)合的方法建立農(nóng)村需水量預(yù)測模型。首先,將用水方差和年用水均量等用水?dāng)?shù)據(jù)作為特征向量對2010—2017年海南省16個村落進行模糊C聚類,將村落分為三類;其次,以數(shù)據(jù)分析為基礎(chǔ),結(jié)合文獻分析和官方數(shù)據(jù)分析提取關(guān)鍵因素,借助SPSS軟件對關(guān)鍵因素進行降維處理,得到三類村落的關(guān)鍵影響因素;最后,將所得關(guān)鍵因素和2010—2016年用水?dāng)?shù)據(jù)作為Elman神經(jīng)網(wǎng)絡(luò)算法的輸入對模型進行校核并運用粗糙集理論對模型進行修正,經(jīng)誤差分析,平均絕對百分比誤差(MAPE)從0. 27下降到0. 127,對稱平均絕對百分誤差(SMAP)從0. 082下降到0. 041,平均絕對偏差(MAE)從3 832. 32減少到1 325. 53,表明模型可以相對全面的模擬農(nóng)村需水量變化規(guī)律,可以用于農(nóng)村水資源精準(zhǔn)預(yù)測,為城鄉(xiāng)供水一體化提供理論依據(jù)。

【文章頁數(shù)】：8 頁

【文章目錄】：
1 模糊C均值聚類
2 Elman神經(jīng)網(wǎng)絡(luò)和粗糙集理論
3 粗糙集-模糊C均值聚類Elman神經(jīng)網(wǎng)絡(luò)
4 案例分析
    4.1 數(shù)據(jù)收集
    4.2 模糊C均值聚類
    4.3 關(guān)鍵影響因素提取
        4.3.1 數(shù)據(jù)分析提取影響因素
        4.3.2 影響因子降維處理
    4.4 Elman神經(jīng)網(wǎng)絡(luò)
    4.5 粗糙集修正
    4.6 仿真結(jié)果對比
    4.7 誤差分析
5 結(jié)論



本文編號：3855805