国产性70yerg老太,色综合在,国产精品亚洲一区二区无码,无码人妻束缚av又粗又大

基本信息

項(xiàng)目名稱：
城市用水量的離散正交組合預(yù)測(cè)方法
小類：
能源化工
簡(jiǎn)介：
當(dāng)前用水量預(yù)測(cè)方法大多采用單一模型或靜態(tài)組合方法，其預(yù)測(cè)精度難以保證。本文以預(yù)測(cè)精度為優(yōu)化指標(biāo)，建立了求解組合加權(quán)系數(shù)的用水量預(yù)測(cè)方法，分別通過GM(1,1)灰色系統(tǒng)和BP神經(jīng)網(wǎng)絡(luò)得到兩組預(yù)測(cè)值，并對(duì)他們采用離散正交的方法進(jìn)行動(dòng)態(tài)組合，從而對(duì)用水量與影響因素之間關(guān)系的描述更加合理和準(zhǔn)確，增強(qiáng)了預(yù)測(cè)模型的適應(yīng)能力，
詳細(xì)介紹：
長(zhǎng)期以來，人們將各種預(yù)測(cè)方法應(yīng)用于城市用水量的預(yù)測(cè)，例如灰色系統(tǒng)、人工神經(jīng)網(wǎng)絡(luò)、指數(shù)回歸、線性回歸等，但由于單個(gè)方法在其預(yù)測(cè)上的局限性，預(yù)測(cè)結(jié)果與實(shí)際情況出入較大。 實(shí)際上，不同的預(yù)測(cè)方法包含有獨(dú)特的信息特性，也是對(duì)事物內(nèi)部結(jié)構(gòu)的一種探索。為了集結(jié)各單個(gè)預(yù)測(cè)方法包含的有用信息，多模型組合優(yōu)化已成為一種有效手段被廣泛應(yīng)用，但是國內(nèi)外已經(jīng)建立的城市用水量組合預(yù)測(cè)方法大多是靜態(tài)的組合優(yōu)化，與城市用水量動(dòng)態(tài)的變化規(guī)律不相符，而且預(yù)測(cè)精度也難以保證。 本文分別通過GM(1,1)灰色系統(tǒng)和BP神經(jīng)網(wǎng)絡(luò)得到兩組預(yù)測(cè)值，并對(duì)他們采用離散正交的方法進(jìn)行動(dòng)態(tài)組合后得到組合預(yù)測(cè)值。該方法整合了以上兩種預(yù)測(cè)方法的應(yīng)用條件、建模機(jī)理等各種信息，對(duì)用水量與影響因素之間的關(guān)系進(jìn)行更加合理和全面的描述，數(shù)值仿真實(shí)驗(yàn)的結(jié)果證明該方法具有很強(qiáng)的泛化能力，是一種行之有效且預(yù)測(cè)精度較高的城市用水量預(yù)測(cè)方法。為城市供水系統(tǒng)的調(diào)控提供了新的方法，且供水局的工作人員可根據(jù)該方法設(shè)計(jì)、操作水庫等各種水基礎(chǔ)設(shè)施，達(dá)到科學(xué)規(guī)劃、管理水資源的目的。

作品圖片

  • 城市用水量的離散正交組合預(yù)測(cè)方法

作品專業(yè)信息

撰寫目的和基本思路

目的：通過建立離散正交組合方法來提高城市用水量的預(yù)測(cè)精度，為調(diào)控城市供水系統(tǒng)、規(guī)劃和管理水資源提供新的方法。 基本思路：首先由GM(1,1)灰色系統(tǒng)和BP神經(jīng)網(wǎng)絡(luò)得出兩組預(yù)測(cè)值，為了盡量提高預(yù)測(cè)精度，通過建立離散正交多項(xiàng)式將兩組預(yù)測(cè)值進(jìn)行動(dòng)態(tài)組合，并以此得到組合預(yù)測(cè)值，將三組預(yù)測(cè)值與實(shí)際值比較后得出：離散正交組合方法是一種行之有效且預(yù)測(cè)精度較高的用水量預(yù)測(cè)方法。

科學(xué)性、先進(jìn)性及獨(dú)特之處

1.本作品采用離散正交的方法進(jìn)行動(dòng)態(tài)組合優(yōu)化，提高了城市用水量的預(yù)測(cè)精度，為調(diào)控城市供水系統(tǒng)、規(guī)劃和管理水資源提供了新的方法。 2.本作品整合了兩種預(yù)測(cè)模型的應(yīng)用條件、建模機(jī)理等有效信息，對(duì)用水量與影響因素之間關(guān)系的描述更加合理和準(zhǔn)確，從而增強(qiáng)預(yù)測(cè)模型的適應(yīng)能力，減少預(yù)測(cè)風(fēng)險(xiǎn)，有效地提高預(yù)測(cè)精度。

應(yīng)用價(jià)值和現(xiàn)實(shí)意義

1.本方法對(duì)城市用水量的預(yù)測(cè)精度較高，供水局的工作人員可根據(jù)該方法設(shè)計(jì)、操作水庫等各種水基礎(chǔ)設(shè)施，達(dá)到科學(xué)規(guī)劃、管理水資源的目的。 2.離散正交組合預(yù)測(cè)方法可應(yīng)用于對(duì)大型數(shù)據(jù)的統(tǒng)計(jì)擬合，能解決一些龐大的數(shù)據(jù)分析、擬合、預(yù)測(cè)等問題。 3.本方法能廣泛地應(yīng)用于用水量預(yù)測(cè)、人口數(shù)量預(yù)測(cè)、私家車保有量預(yù)測(cè)、CPI指數(shù)預(yù)測(cè)等具有現(xiàn)實(shí)指導(dǎo)意義的問題，為人們?cè)谏a(chǎn)、生活中提供幫助。

學(xué)術(shù)論文摘要

城市用水量的預(yù)測(cè)結(jié)果對(duì)于城市規(guī)劃、供水系統(tǒng)的管理有著重要的意義，而尋求科學(xué)合理的預(yù)測(cè)方法是保障城市用水量預(yù)測(cè)結(jié)果準(zhǔn)確可靠的關(guān)鍵，當(dāng)前用水量預(yù)測(cè)方法中，大多采用單一模型或靜態(tài)組合方法，其預(yù)測(cè)精度難以保證。本文以預(yù)測(cè)精度為優(yōu)化指標(biāo)，建立了求解組合加權(quán)系數(shù)的用水量預(yù)測(cè)模型，分別通過GM(1,1)灰色系統(tǒng)和BP神經(jīng)網(wǎng)絡(luò)得到兩組預(yù)測(cè)值，并對(duì)他們采用離散正交的方法進(jìn)行動(dòng)態(tài)組合后得到組合預(yù)測(cè)值。數(shù)值仿真結(jié)果證明該方法具有很強(qiáng)的泛化能力，是一種行之有效且預(yù)測(cè)精度較高的城市用水量預(yù)測(cè)方法。

獲獎(jiǎng)情況

本作品英文稿發(fā)表于由中國工業(yè)與應(yīng)用數(shù)學(xué)學(xué)會(huì)體育數(shù)學(xué)專業(yè)委員會(huì)、江蘇省工業(yè)與應(yīng)用數(shù)學(xué)學(xué)會(huì)、國際奧林匹克(體育)計(jì)算機(jī)科學(xué)學(xué)會(huì)、國際模擬與仿真學(xué)報(bào)(英文)、國際虛擬實(shí)現(xiàn)學(xué)報(bào)(英文)、中國系統(tǒng)仿真學(xué)會(huì)體育系統(tǒng)仿真專業(yè)委員會(huì)等機(jī)構(gòu)聯(lián)合主辦的南京“2008年國際建模與仿真學(xué)術(shù)會(huì)議”，被ISTP檢索，且申報(bào)者與參加會(huì)議的部分學(xué)者進(jìn)行了交流，得到了同行的肯定和認(rèn)可。

鑒定結(jié)果

好

參考文獻(xiàn)

Zhou etc.[1]分析了用水量與人口、降水、濕度、溫度、工業(yè)和商業(yè)等條件的關(guān)系，認(rèn)為一種可靠的預(yù)測(cè)方法通常應(yīng)考慮諸如社會(huì)經(jīng)濟(jì)和氣候因素之類的影響，劉淇銘[2]以灰色理論為基礎(chǔ)，應(yīng)用改進(jìn)的殘差GM(1,1)模型預(yù)測(cè)城市用水量，Jain etc.[3]采用人工神經(jīng)網(wǎng)絡(luò)對(duì)IIT Kanpur進(jìn)行了短期的用水量預(yù)測(cè)，李斌等[4]以預(yù)測(cè)方法有效度為優(yōu)化指標(biāo)，建立了組合權(quán)重系數(shù)唯一的優(yōu)化模型來預(yù)測(cè)城市用水量。 [1]Zhou, S. L. McMahon, T. A. Walton, A. and Lewis, J. (2002). Forecasting operational demand for an urban water supply zone, J. Hydrol. 259, 189-202. [2]劉淇銘.應(yīng)用改進(jìn)的殘差GM(1,1)模型預(yù)測(cè)城市用水量[J].工程與建設(shè),2007,21 (3): 248-250. [3]Jain, A. Varshney, A. K. and Joshi, U. C. (2001). Short-term water demand forecast modelling at IIT Kanpur using artificial neural networks, Water Resour Manag. 15(5), 299-321. [4]李斌,許仕榮,柏光明,李黎武.灰色-神經(jīng)網(wǎng)絡(luò)組合模型預(yù)測(cè)城市用水量[J].中國給水排水,2002,18 (2): 66-68.

同類課題研究水平概述

城市用水量的預(yù)測(cè)結(jié)果對(duì)于城市規(guī)劃、供水系統(tǒng)的管理有著重要的意義。 國外由于城市用水資料比較齊全且較復(fù)雜，所以采用時(shí)間序列擬合的預(yù)測(cè)方法較多。20世紀(jì)90年代以來，由于計(jì)算機(jī)技術(shù)的發(fā)展和預(yù)測(cè)決策的需要，提出了許多新的基于人工智能的預(yù)測(cè)方法，如： 1.階次模型(cascade model)和一階不確定分析來預(yù)測(cè)用水量的可信區(qū)間； 2.考慮經(jīng)濟(jì)、技術(shù)發(fā)展和用水量之間的相互影響，利用計(jì)算機(jī)輔助預(yù)測(cè)未來用水量； 3.基于記憶學(xué)習(xí)(memory based learning)和多元回歸來預(yù)測(cè)用水量； 4.聯(lián)合Bax-Jenkins時(shí)間序列模型和人工神經(jīng)網(wǎng)絡(luò)來預(yù)測(cè)用水量。 國內(nèi)在20世紀(jì)80年代以前一般采用激增率法、單元線性回歸法及多元線性回歸法來預(yù)測(cè)未來年份的城市用水量需求。20世紀(jì)80年代以來則陸續(xù)采用線性回歸以外的理論，歸納起來主要有三種： 1.把數(shù)字濾波理論與線性回歸結(jié)合在一起形成的方法，比較有代表性的是丁宏達(dá)提出的回歸-馬爾柯夫鏈法； 2.采用趨勢(shì)外推法進(jìn)行未來年份的用水量預(yù)測(cè)，比較有代表性的是王彬和穆瑞林提出的城市用水量需求的生長(zhǎng)曲線法； 3.以灰色理論為基礎(chǔ)的灰色預(yù)測(cè)模型，比較有代表性的是劉淇銘應(yīng)用改進(jìn)的殘差GM(1,1)模型； 4.多模型優(yōu)化的組合方法。比較有代表性的是王自勇和王圃基于方差—協(xié)方差優(yōu)選組合灰色模型和一元線性回歸模型。 上述預(yù)測(cè)方法中部分存在著隨著預(yù)報(bào)期的增加，誤差明顯增大甚至失去預(yù)測(cè)價(jià)值的問題，其重要原因之一是預(yù)測(cè)模型只能靜態(tài)單一、半靜態(tài)單一、靜態(tài)優(yōu)化組合地簡(jiǎn)單考慮幾個(gè)甚至不考慮社會(huì)因素對(duì)用水量的影響（只進(jìn)行時(shí)間序列擬合），把用水量系統(tǒng)的未來看成了一種簡(jiǎn)單系統(tǒng)的連續(xù)，割裂開了實(shí)際上對(duì)用水量有極大影響的許多因素的作用。 在城市用水量預(yù)測(cè)建模時(shí)，必須考慮建模方法的選擇和歷史經(jīng)驗(yàn)的學(xué)習(xí)方法，不同的預(yù)測(cè)方法包含有獨(dú)特的信息特性，也是對(duì)事物內(nèi)部結(jié)構(gòu)的一種探索，為集結(jié)各單個(gè)預(yù)測(cè)方法包含的有用信息，本項(xiàng)目通過對(duì)GM(1,1)灰色系統(tǒng)和BP神經(jīng)網(wǎng)絡(luò)的動(dòng)態(tài)組合優(yōu)化，整合這兩個(gè)模型的應(yīng)用條件、建模機(jī)理等各種信息，對(duì)用水量與影響因素之間關(guān)系的描述更加合理和準(zhǔn)確，從而增強(qiáng)預(yù)測(cè)模型的適應(yīng)能力，減少預(yù)測(cè)風(fēng)險(xiǎn)，有效地提高預(yù)測(cè)精度。
建議反饋 返回頂部