基于修正组合模型的包头市用水量预测分析-论文.pdf

《基于修正组合模型的包头市用水量预测分析-论文.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第42卷第3期西北农林科技大学学报(自然科学版)Vo1．42No．32014年3月JournalofNorthwestA＆FUniversity(Nat．Sci．Ed．)Mar．2O14网络出版时间：2014—02—2813：13DOI：10．13207／j．cnki．jnwa{u．2014．03．002网络出版地址：http：／／www．cnki．net／kcms／doi／10．13207／j．cnki．jnwafu．2014．03．002．html基于修正组合模型的包头市用水量预测分析冯天梅，

2、张鑫(西北农林科技大学水利与建筑工程学院，陕西杨凌712lOO)[摘要]【目的】建立基于马尔科夫链修正的组合灰色神经网络模型，为城市用水量的准确预测提供支撑。【方法】在运用灰色关联性分析法确定用水量变化的主要影响因素的基础上，建立了基于马尔科夫链修正的组合灰色神经网络模型，将该模型应用于包头市2009和2010年的用水量预测，并将其预测结果与灰色模型、BP神经网络模型和组合灰色神经网络模型的预测结果进行比较。【结果】包头市用水量受人口、国内生产总值、工业总产值、建成区绿化覆盖率、耕地面积及工业用水

3、重复利用率的影响较大，利用建立的基于马尔科夫链修正的组合灰色神经网络模型对包头市2009和2010年用水量进行预测，并与实际用水量进行比较后表明，其相对误差分别为0．16和2．16，均方根相对误差为1．53，而灰色模型、BP神经网络模型和组合灰色神经网络模型的均方根相对误差分别为4．34，3．O8和1．99。可见，基于马尔科夫链修正的组合灰色神经网络模型的预测效果最好。【结论】基于马尔科夫链修正的组合灰色神经网络模型结合了各模型的优势，预测精度较高。[关键词]包头市；用水量预测；组合灰色神经网络；

4、马尔科夫链[中图分类号]TU991．31[文献标志码]A[文章编号]1671—9387(2014)03—0226—09PredictionofwaterconsumptioninBaotoubasedonamendedcombinationmodeIFENGTian—mei，ZHANGXin(CollegeofWaterResourcesandArchitecturalEngineering，NorthwestA&FUniversity，Yangling，Shaanxi712100，China)A

5、bstract：[ObjectivelThisstudyestablishedacombinationmodelofGreymodelandBPneuralnet—workrevisedbyMarkovchaintobetterforecastwaterconsumption．[MethodlMainfactorsinfluencingchangeofwaterconsumptioninBaotouwereanalyzedbygraycorrelationanalysis，andacombinat

6、ionmodelofGreymodelandBPneuralnetworkrevisedbyMarkovchainwasestablished．Themodelwasusedtoforecastwaterconsumptionin2009and2010inBaotou，andthemodelpredictionwascomparedwithre-suitsofGreymodel，BPneuralnetworkandcombinedGreyneuralnetwork．[ResultlWatercon

7、sumptioninBaotouwasinfluencedbypopulation，GDP，totalindustrialoutputvalue，built—upareagreenbeltcoverrate，cultivatedarea，andindustrialwaterrecyclingrate．Comparisonofwaterconsumptionin2009and2010ofBaotoupredictedbytheestablishedcombinationmodelofGreymode

8、landBPneuralnetworkrevisedbyMarkovchainandactualwaterconsumptionindicatedthattherelativeerrorswere0．169／6and2．16re—spectively，andtherelativeerrorofrootmeansquarewas1．53．TherelativeerrorsofrootmeansquareforGreymodel，BPneura1networkandcombinedGr