基于支持向量回归机的城市用水量预测研究

《基于支持向量回归机的城市用水量预测研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于支持向量回归机的城市用水量预测研究摘要：对城市的用水量进行准确的预测，能够合理规划城市给排水系统。选取用水人口、居民可支配收入、生活水价三种因素作为影响因子，基于MATLAB构建了一种支持向量回归机(SupportVectorRegression,SVR)的城市年用水量预测模型。MATLAB仿真结果表明，基于SVR的城市年用水量预测模型训练集的决定系数为0.990、均方误差为0.0043;测试集决定系数为0.978、均方误差为0.0043。该模型能够有效的对城市的年用水量进行预测，对降低供水电耗具有实际参考价值。Abstract：

2、Theurbanwaterconsumptionisaccuratelypredictedandtheurbanwatersupplyanddrainagesystemcanbeplannedreasonably.BasedonMATLAB，thispaperconstructsacityannualwaterconsumptionforecastingmodelbasedonSupportVectorRegression(SVR),whichusesthreefactorsincludingwatersupplypopulation

3、,residentsdisposableincomeandlivingwaterpriceasinfluencingfactors.TheresultsofMATLABsimulationshowthatthedecisioncoefficientofthetrainingsetofurbanwaterconsumptionforecastingmodelis0.990，themeansquareerroris0.0043，thetestsetis0.978andthemeansquareerroris0.0043.Themodelc

4、aneffectivelypredicttheannualwaterconsumptionofthecity，whichhaspracticalreferencevalueforreducingthepowerconsumptionofwatersupply.?P键词：用水量；支持向量回归机；预测模型；MATLAB；性能评价Keywords:waterconsumption；supportvectormachineforregression；forecastingmodel;MATLAB；performanceevaluation中图

5、分类号:TU991.31文献标识码：A文章编号：1006-4311(2017)22-0059-030引言随着我国城市化进程的进一步加快、城市范围的扩大、城市人口的增加以及人民生活水平的不断改善，对水资源需求量的增长幅度也越來越大［1-3］。用水量是城市供水管网系统屮的一个关键问题，城市屮的供水不足或供水水压过大是由对需水量的估计不准造成的［4-6］。因此，对城市用水量进行预测研究具有相当重要的意义。20世纪90年代，May等人将水价、人门、居民人均收入等作为影响因子，建立的屮长期川水量与影响因子间的回归模型用于美国Texas州的用水量

6、预测中，取得了很好的效果［7］;2002年，Brekke,Levi等人用逐步回归法进行用水量预测，其优点在于模型建立时间短，效率高［8］;2001年，哈尔滨工业大学的兰洪娟、袁一星运用人工神经网络建立预测模型，并将模型应用于天津的月用水量预测中［9］;2009年，安徽理工大学的何忠华等人建立了城市需水量的改进的BP神经网络预测模型，给出了模型的求解算法，并对规划年作出预测［10］。本文以华北某市作为研宄对象，采用支持向量回归机建立城市用水量预测模型，选取用水人口、居民可支配收入、生活水价的数据作为样本数据，利用支持向量回归机对城市年用

7、水量进行建模分析，并评价预测模型的性能。仿真结果表明，模型能够有效地对该城市年水量进行预测。1基于SVR的城市年用水量预测模型支持向量回归机是用于解决回归问题的支持向量机。支持向量机应用于回归拟合分析时，其基本思想不再是寻找一个最优分类使得两类样本分幵，而是寻找一个最优分类面使得所有训练样本离该最优分类面的误差最小，SVR基本思想tjk意图参见图1。SVR是建立在支持向量机的原理上的，广泛用于预测、异常检测等领域，与其他模型算法相比，优点是不会受到样本的影响而陷入局部最优解[11]。在样本量比较少的情况下也能获得较好的效果，因此本文选

8、择了支持向量回归机，SVR的结构参见图2。由图2可知，输出是中间节点的线性组合，每个中间节点对应一个支持向量。SVR预测模型采用决定系数R2和均方误差E作为评价SVR预测模型性能的参数，其决定系数函数如式（1）所示：（1