基于组合预测方法的需水量预测
国内用水需求预测实证研究——以浙江省为例
Ａ ｔ１＝ １ ＋ △Ｗ（） Ｗ（ ） １｛ ｝ ＋ ｔ
Ｗ
（） ３
式 （ ） ： ｔ为 ｔ ３ 中 Ａｗ（） 次训 练时权重 和阈值 的修正 ， 、 仅 分别为 比例系数和动量 系数 ， Ｅ为误差平方和 ：
．
Ｅ ＿ ＝＿ １
‘
三
．
（ ， ｔ） Ｙ， ｐ －
，
（ ４）
ｋ ＝ ｌＰ ＝ Ｉ
图 １ 三层 ＢＰ网络结构 示意
反复运用 以上两个过程 ， 直至网络输出与期望输 出问 的误
Ｂ Ｐ网络是一种前馈型网络 ， １ 由 个输入层 、 若干隐含层和 差满 足一 定的要求 。 Ｂ Ｐ神经 网络 的输入神经 元选取是影 响地 区需 水量的 ９个 １ 个输出层构成。 ｌ 图 为常用的三层 Ｂ Ｐ网络的结构。 如果输入
表 １ 浙江省 １ ９ ９ ８年 一 ０ ５ ２ ０ 年用水量及其影响因素
，
Ｗｉ ￣
ｋ
： ．
Ｈ一 ： （ ｌ ｍｐｌ ，） （ ｊｏ） ｋ ， ； ， Ｐ ＝ …， ＝ … ２ ）
二、 பைடு நூலகம்需 水量 预测
（ ） Ｐ神 经 网 络 法 一 Ｂ
辅 ～腰 豫 含屡 输 出 层 向 传 擅
以上过程 为网络学 习的信息 正向传播 过程 ， 另一个过 程为
误差 反向传播 过程。如果网络输 出与期望输 出间存在误差 ， 则 将误差反 向传播 ， 利用式 （ ） ３ 来调节网络权重 和阈值 ：
…
，
Ｈ －（ ｗ —ｏ ） ￣ｆ
（ ， … ｐ １ … ＇ ） ＝ ， Ｐ
（） １
激活 函数 ｕ 一般采用 Ｓｇ ｉ ， ｆｕ ＝／＋ｘ （ Ｉ ） ｉ ｄ型 即 （ ） １１ｅｐ 一 ） ｍｏ １ 隐含层 的输 出信息传到输出层 ， 可得到最终输 出结果 为 ：
城市水资源需求量预测Logistic_ARIMA耦合模型
, 人均综合用水量法
[2 ]
, 数学模型
。 但直接采用这 3 种方法难以解决好以下几
个问题 : ①用水定额具体如何确定 ; ② 影响单位人口 综合用水的因素到底有哪些 ; ③单一的数学模型如 何综合反映水资源需求与供给系统内各要素的相互 关系和相互作用机理等 。 城市需水是一个由城市人口 、工业水平 、人民生 活水平以及社会经济水平共同作用的多因素 、多层 次复杂系统 , 其年需水量是该系统内部各因素之间 相互制约 、 相互影响 、 协调发展的结果 。 城市需水量 取决于技术和经济发展水平 、水资源条件和水环境 状况 、 城市规模和城市性质 、 水价政策和收费机制等 诸多要素 , 是一个多元的复合函数 , 各要素的变化都 遵循着一定的自然 、社会或经济规律 , 因此有必要探 求符合城市需水变化特点的预测模型 。 笔者认为 , 城市需水量的变化趋势可分为 3 个 阶段 : 早期 , 增长较为平缓 ; 之后 , 随着城市经济大幅 增长 , 需水量的增长速度也逐步增大 ; 当达到一定水 平时 , 需水量增长速度开始放缓 。 我国当前及今后 一段时间处于经济高速增长时期 , 因此城市需水量
[5 ]
从而解出自回归系数的矩估计 : φ 1, φ 2 , …, φ p。 c. 移动平均系数 θ 0 的矩估计为 θ 0 = X p =0 X( 1 -φ 1 -… -φ p) p >0
qk
( 7)
d. 移动平均系数 θ i( i =1 , 2 , … , q) 的矩估计为 fk ( m )=
作者简介 : 续缤( 1959 —) , 男 , 辽宁桓仁人 , 高级工程师 , 从事水利工程管理 、水利经济等研究 。
· 14 ·
水利经济 , 2008 , 26( 5 ) Email : jj @ hhu . edu . cn http : ∥ kkb . hhu . edu . cn 电话/ 传真 : 02583786350
基于组合预测模型的泵站供水量预测方法
基于组合预测模型的泵站供水量预测方法嘿，朋友们！今天咱来聊聊泵站供水量预测方法，这可不是啥高深莫测的玩意儿，听我给你慢慢道来。
咱就说这泵站啊，就像一个大力士，得源源不断地给咱供水。
那怎么知道它能供多少水呢？这就需要预测啦！就好比你要去一个地方，你总得先估摸一下得走多久吧。
组合预测模型呢，就像是一个神奇的魔法盒子。
它把各种不同的预测方法都装进去，然后经过一番捣鼓，嘿，就能得出个比较靠谱的结果。
你说妙不妙？比如说啊，有一种方法就像个急性子，它能快速给出个大概的数，但可能不太准。
而另一种方法呢，就像个慢性子，慢悠悠地算，但结果可能更精确些。
这组合预测模型呢，就把它们的优点都结合起来啦，让它们相互取长补短。
你想想看，如果只靠一种方法，那不是很容易出岔子嘛。
就像你只靠一条腿走路，那能走得稳当吗？肯定得两条腿一起，甚至再加上个拐杖啥的，才更稳当呀！那这组合预测模型具体是怎么工作的呢？它就像是个聪明的指挥官，指挥着各种方法一起干活。
它会根据实际情况，给不同的方法分配不同的任务。
有时候让这个方法多干点，有时候让那个方法多出点力。
然后把它们的结果综合起来，就得出最后的预测啦。
这可真是个好办法呀，就好像你做饭的时候，把各种调料都放一点，味道就会更好。
要是只放一种调料，那得多单调呀。
咱再打个比方，这泵站供水量预测就像是天气预报。
天气预报不也是用各种方法来预测天气嘛，有的看云，有的看气压，有的看风向啥的。
最后综合起来，才能告诉你明天到底是晴天还是雨天。
而且啊，这组合预测模型还能不断进化呢。
随着数据越来越多，它就会变得越来越聪明，预测得也会越来越准。
就像你学习一样，学的知识越多，你就越厉害。
那我们为什么要这么在意泵站供水量的预测呢？这可重要啦！要是预测少了，那可能就不够用，大家都得渴着；要是预测多了，那不就浪费资源了嘛。
所以啊，得有个好的预测方法，才能让供水恰到好处。
所以说呀，这基于组合预测模型的泵站供水量预测方法，真的是个宝啊！它能帮我们更好地管理水资源，让我们的生活更加方便。
用水量预测方法综述
用水量预测方法综述我国城市化正以罕见的速度进行, 到2000年底, 全国城市化水平已由1980年的19. 4%迅速增长到36. 2%; 预计到2020年城市化水平可达到50%左右。
由于人口持续增长、经济高速发展、生活水平不断提高, 城市的工业和生活用水需求量大幅度增长, 使城市水资源供需矛盾加剧, 解决城市缺水问题是目前城市化建设面临的挑战。
在进行城市水资源规划时, 城市用水量预测是其重要基础内容之一, 城市用水量预测结果直接影响到给水系统调度决策的可靠性和实用性,也直接关系到城市水资源的可持续利用和社会经济的可持续发展。
给水管网用水量预测是进行给水系统优化调度的前期上作, 根据城市发展规划要求, 对给水管网系统的用水量进行分析、研究, 选择合适的用水量预测方法, 建立切实的用水量预测模型, 是进行给水系统优化调度的基础和前提, 它不仅为决策提供必要的信息, 在一定程度上讲, 它的准确度将直接影响给水系统优化调度的合理性和有限投资的效益。
城市用水量预测在城市建设规划、输配水系统的优化调度中具有重要的作用。
它的准确程度直接影响到供水系统调度决策的可靠性及适用性。
城市给水系统时用水量预测是依据过去时段的城市供水量数据来推测下一个时段的城市需水量数据。
通过对原始数据处理和用水量模型建立，发现、掌握城市给水系统时用水量变化规律，对下一个时段的城市总需水量做出科学的定量预测。
建立的模型要根据历史数据的变化进行修正，使模型始终处于最优状态。
城市用水量预测方法按照预测周期可分为: 短期预测和中长期预测; 按照预测原理可分为: 趋势外推法和因果型预测法; 按照对数据的处理方式不同有: 时间序列分析法、灰色预测法、解释性预测方法和用水定额法等。
本文主要讨论短期用水量预测和中长期用水量预测。
中长期用水量预测主要用于水资源规划和城市的整体设计规划，它的预测依据是城市经济发展和人口增长速度的规律;短期预测是根据时用水量历史记录、日用水量历史记录或每周用水量历史记录数据及影响用水量的因素, 对未来一小时、一天或几周的用水量进行预测, 又称为时预测、日预测和周预测。
人均综合用水量方法预测需水量_观察未来社会用水的有效途径
人均用水量法预测需水的计算表格( 表 2) , 可供我们 参考。
2. 3 在供水预测时, 应当着重研究过去水管理失控
时期所形成的生产用水挤占生态用水问题
凡由地表水水源供河道外用水的, 在确定可供水 量时, 应当在河川径流中扣除为维持河道水沙平衡和
生态基流等所需的河道内用水量。凡由地下水水源供
第 26 卷第 1 期 地下水 2004 年 3 月
( 2)
式中: Wf —预测水平年总需水量;
Pf —预测水平年人口数;
WC—现状年实际总需水量;
PC —现状年人口数;
w c—现状年人均用水量;
△w —人均用水量调整数, 可从人均用水量 曲线( 图 1) 的趋势求得。
农业, 工业和城镇生活等分部门需水量, 可用同 样方法分别求得。
最近, 美国环保局在用水效率项目研究中推出以
人口数量相关。
3) 人均用水量是个相对稳定的参数, 在社会与经 济结构调整中会有微量的变动。
4) 趋势微调是动态预测方法, 可根据人均用水量
的变动趋势对预测值加以修正, 以保证预测成果更加
接近实际。
“人均用水量法”的计算公式如下:
Wf= P f× ( w c± △w )
( 1)
w c= WC÷ PC
2
缓回落; 城市化和人民生活水平的提高, 生活用水增
加较快, 但在总用水量中的比重较小。
4) 水价是调控供需矛盾最灵敏的经济杠杆, 即使
在不完善的水市场机制下, 水价仍是调节需求的关键 性措施。
5) 社会节水效应不会逆转。许多城市在经历了 “饥饿供水”( 限时、限量供水) 后, 虽增加了新水源, 但
过去 国 内外 进行 需 水预 测, 一般 都 采用 “定 额
基于组合预测方法的需水量预测
２ ０ ０１
相对 误差 （ ／ ％ ）
—２ ６ ５
２ ０ ． ４ ２
２ ０ ０２ ２ ０ ０３ ２ ０ ０４ ２０ ０５ ２０ ０ ６ ２０ ０ ７
２ ０ ． ４ ３ ２ ０ ． ９１ ２ ０ ． ３ ３ ２ ０ ． Ｏ ０ ２１ ． ０ｌ ２１ ． ５７ ２１ ６ ９ ２１ ．５ ０ ２１ ．４ ７
人 们对 水资 源 的需求 越来 越大 。但 是我 国的 淡水资 源是 有限 的 ， 而
二、 需水 量的 预测方 法
且水 资源 浪费和 污染 非 常严重 ， 所 以水资 源供 给与 需求 之间 的矛 盾 德 州市 位于 山东 省西 北部 ， 水 资源 比较缺 乏 。目前 除 了利用 当 在很 多北 方地 区 日益 尖锐 ， 甚 至成 为了制 约地 区 国民经 济发 展的重 地水 资 源之 外 ， 主要 通 过调 用 黄河 水和 长 江水 ， 以保证 城 乡居 民生 要因 素 。因此 ， 对需 水量 进行预 测 并相应 地提 出科 学合 理的 对策 是 活用水 。 解决这 一矛 盾的有 效途径 。 根据 对相关文 献的阅读 ， 获得２ ０ ０ １ ． ２ ０ １ ０ 年份 的德州市 用水量 １ ，
需 水 量的 预 测方 法主 要 有灰 色 模型 法 、 回 归分 析法 、 时间 序 列 具体数 据见 下表 １ 。我 们利用这 些 数据采 用不 同的方 法对 德州市未
法、 定额 法 、 神 经 网 络 法等 。由 于各 模 型 都有 其 自身 的 局 限性 ， 因 来的用 水量进 行预 测 。 表 １ ２ ０ ０ １ — ２ ０ １ ０年 份 用 水 量 此 利 用组合 预测 方法 把各 个单一 预 测结合 起来 是一 种好 的策 略 ， 可 年份 Ｉ ２ ０ ０ ｌ｛２ ０ ０ ２｝２ ０ ０ ３ Ｉ ２ ０ ０ ４ ｌ ２ ０ ０ ５ ｌ ２ ０ ０ ６ ｌ ２ ０ ０ ７ Ｉ ２ ０ ０ ８ ｆ ２ ０ ０ ９ Ｉ ２ ０ １ ０ 以综合 各种 方法 的优 点 ， 使其 缺点最 小化 。自从 贝 特 （ 英 ）等 人于 用水量亿 ／ ｍ ３ ｌ ２ ０ ． ９ ８ ｌ ２ ０ ． ４ ３ ｌ ２ ０ ９ １ Ｉ ２ ０ ． ３ ３ ｌ ２ ０ ． ｏ ０ ｌ ２ １ ＿ ０ ｌ ｌ ２ １ ５ ７ ｌ ２ １ ６ ９ ｌ ２ １ ５ ０ ｌ ２ １ ４ ７ １ ９ ６ ７ 年 首次 提出 组合预 测模 型的理论 和方 法以来 ， 组合 预测 方法 已 １ 、 回 归预 测 经 得 到 了深 入 的研 究 和广 泛 的应 用 Ⅲ。本文 在 回 归分 析和 灰色 预 回 归分析预测法是 在自变量和 因变 量之间相 关关系的基础上 ， 建 测方 法 的基 础上 ， 建 立 了需 水量 组 合预 测模 型 ， 通 过拟 合误 差 的 方 立变量之间的回归方程 ， 然后根据 自变量数值 的变化 ， 代入 回归方程式 差最 小原 则 来确 定组 合 权重 ， 从 而 提高 预 测精 度 ， 进而 为德 州 市 需 推算预测对象的变化 ， 回归分析预测法是—种重要的预测方法 。 水量的 准确预 测提供 技术支 持 。 在近期， 我 们 的人 口和 生产 总值 是 逐年 增 加 的 ， 所以 需水 量 也 组合 预测法 概述 在 中 短 期 需水 量 与 年份 之 间 存 在 一 定 的相 关 关 系 。通 组 合预 测方 法是综 合利 用多 种 预测 方法提 供 的信息 进行 预测 ， 随 着增 加 ，
中国未来用水需求量的预测分析
为：
Ｙ＝１ ． ３ ２ ０８ ｘ ＋７． ２１ ７ ３ ｘ＋１ ０ ９３ ． ７
其中， 残差图如图 ２ 所示。拟合优度为 Ｒ ＝ ０ ． ９ ２ ， 置信水平 Ｐ ： ０ ． ０ ０ ０ ０ ． 由文献［ １ １ ］ 知， 当 越 接近于 １ ， 说明回归方程越显著 ； 当Ｐ ＜ ０ ． ０ ５ ， 则回归方程显著 。因此我们的回归模型在一定程度上是 合理的， 从 而可 以用来 预测 ２ ０ １ ２～ ２ ０ ２ ５年 的工 业用 水数据 （ 如表 １ 所示） 。（ 由于 ２ ０ １ ２年 的工 业用 水 的官方数据尚未给出， 这里的预测值仅作参考 ， 以下相同。 ）
第３ ３ 卷 第 ２期
Hale Waihona Puke 湖 北师范学院学报（自然科学版 ）
Ｊ ｏ ｕ ｒ ｎ ｌ ａ ｏ ｆ Ｈ ｕ ｂ ｅ ｉ Ｎ ｏ ｒ ｍａ ｌ Ｕ ｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ（ Ｎ ａ ｔ ｕ ｒ ａ ｌ Ｓ ｃ ｉ ｅ ｎ ｃ ｅ ）
Ｖ ｏ １ ． ３ ３
Ｎｏ ． ２， ２ ０１ ３
０ 引 言
对水 资源 需求 量 的预测 相关 研究 颇多 ， 基本 上都 考 虑到用 水结 构 的问题 。根据 实 际情况 ， 将 用水 结构 分 为 ： 工业 用水 、 农 业用 水 、 生活 用水 ， 再考 虑影 响 水资 源使 用 量 的 因素 ， 往 往 能较 准 确地 对 用水 需求 进行 预测 。 例如 ： 闫彦 … 采用 组合 预 测 方 法预 测 需水 总量 ， 结合 Ｂ Ｐ神 经 网络法 、 人均 综 合 用水 量推 算法 、 用水 定 额法 等多 种方法 进 行 分 析 预 测需 水 总 量 ； 黄 修 桥 运 用 时 间序 列 分 析 的滑 动 平 均 模型 、 回归分 析模 型 和人工 神经 网络 模型 有机 结合 构 建 的非线 性 自 回归 滑 动平 均 的动 态 神 经 网络模 型准 确地 分析 预测 灌 溉用 水需求 ； 刘 昌明 通 过严 格 的需 水 管 理体 制 ， 控 制 国 内水 需 求 的增 长 ； Ｃ ｕ —
浙江省用水结构的组合预测
对 数 比变 换
对 数 比 变 换
ｙ ２
１ ． ５ ７ ２ １ ． ４３ ７
球 面投 影 变换
ｙ ３ ０ ｌ
０ ． ９ ５ ４ ０． ９ ４ ６
詈 暑
苫
０ ２
１ ． １ ７ ４ １ ． １ ５ ７
完全多重相关性 ， 对原始成分数据采取数据变换 ， 突破定和条件约束 ， 然 后 采 用 常 规 统 计 方 法 对 变 换 后的数据进行预测 ， 从 而 利 用 反 变 换 公 式 预 测 原 始 成 分 数 据 是 解 决 成 分 数 据 预 测 的主 要 思 路 。
目前 主 要 有 对 数 比变 换 和 球 面 投 影 坐 标 变 换 进 行
结 构 预测 的精 度 。
二、 成 分 数 据 的 单一 预 测
ｚ 口 Ｃ Ｏ ＳＯ ｐ
从而将 Ｐ 个 线 性 相关 变量 转 换 成 ｐ － １ 个 独 立 的转 角 Ｏ ｉ ， ｉ ＝２ ， ３ ， …， Ｐ。
Ｏ ｒ ａ ｒ ｃ ｃ ｏ ｓ ｚ ｐ
定 和 约束 的 存 在 使得 成 分 数 据各 分 量 问存 在
然后 根据反变换公式 （ ４ ） 式 得 到 ｉ ＝１ ， ２ ， …， Ｐ的 预
Ｙ ＝ ｌ ｏ ｇ ｛ ｘ ｌ ／ ｘ ｌ ， ｉ ＝ １ ， ２ ， …， Ｐ 一 １
（ １ ）
将 Ｐ个 线 性 相 关 的 变 量 ｉ ＝１ ， ２ ， …， Ｐ转 换 成
测值 ， 从 而 根据 ＝ （ ） 得 到 ， ｉ ＝１ ， ２ ， …， Ｐ的预 测
对 表 １中 的 数 据 进 行 对 数 比变 换 得 到 Ｙ ， Ｙ ２ ， Ｙ
析， 然 后 根 据 反 变换 公 式
基于多嵌入维数的时用水量LSSVM组合预测
陈 丽琳
（ 江大 学 电气 工程学 院 ， 江 杭州 ３ ０ ２ ） 浙 浙 １０ ７
摘要 ： 为解 决供 水系统调 度所需混沌 时用水量高精度 预测 等问题 ， 将最小 二乘支持 向量机 （ Ｓ Ｖ 组合 预测模型 应用到城市 时用 Ｌ Ｓ Ｍ）
水量预测 中。在分析不同嵌入维数和预测方法对模型预测精度影 响程度 的基础上 ， 出了基于 多嵌 入维数 的 Ｌ Ｓ Ｍ组合 预测模 提 ＳＶ 型 。采用互信息法和 Ｇ Ｐ方法求取 多个嵌入维数 ， — 并建立了不同相空间模型 ， 通过 Ｌ Ｓ Ｍ算法对上述多个 预测模型进行 了组合预 ＳＶ 测， 既综合 了各 不同嵌人维数各预 测方法 下的信息 ， 又对单一模 型下 的预测偏 差进行 了融合 ， 以有效 地提 高预 测精度 ； 最后在 某地 进行 了时用水量序列 的仿真实验。研究结果 表明 ， 该模型预测精度平均误 差小于 ２ ， ％ 明显优于各单 一模型 的预测 结果 ， 实 了该 证 组合模型 的有效性和实用性 。
Ｃｏ ｂ ｎ ｄ ｐ ｅ ｉｔｏ ｆｕ ｂ ｎ ｈ ｕ ｌ ｔ ｒ ｃ ｎ ｕ ｐ ｉ・ ｓｎ Ｓ ｍ ｉ ｅ ｒ ｄ ｃｉｎ ｏ ｒ ａ ｏ ｒｙ ｗａ ｅ ｏ ｓ ｍ ｔ ｎ ｕ ｉ ｇ ＬＳ ＶＭ ｏ
ｂ ｓ ｄ ｏ ｕ ｔ－ ｉ ｅ ｓｏ ｍ ｂ ｄ ｉ ｇ ｐ ａ ｅ ｓ ａ ｅ ａ ｅ ｎ ｍ ｌｉｄ ｍ ｎ ｉ ｎ ｅ ｅ ｄ ｎ ｈ ｓ ｐ ｃ
基于概率组合的水质预测方法
ｈ ｎ ｅ ｔ ｅ ｖ ｌ ａ ｉ ｎ ｏ ｅ ｍｅｈ ｄ Ｗａ ｃ ｉ ｖ ｄ ａｏ ｇ ｗｉ ｎ ｅ ｖ ｌｅ ｔ ｔ ｎ ｕ ｄ ｒ ｃ ｒａｎ ｃ ｎ ｄ ｎ ｅ ｌ ｖ １ ｅ ｃ ｈ ａｉ ｔ ｆｔ ｔ ｏ ｓ ａ ｈ ｅ ｅ ｌ ｎ ｔ ｉ ｔｒ ａ ｓｉ ｉ ｎ ｅ ｅ ｉ ｏ ｆ ｅ ｃ ｅ ｅ ．Ｔｈ ｄ ｏ ｈ ｈ ｍａ ｏ ｔ ｉ ｅ
ａ ｄＥ ｇｎｅｉｇ Ｚ ｅｉ ｇ ｉｅｓｙ Ｈ ｎ ｚｏ １０ ７ Ｃ ｉａ． ｈｎ Ｅ ｖ ｏ ｍｅｔｌ ｃｅ ｃ， ０ １ １１） １ ５～ ６ ２ ｎ ｎ ｉｅｒ ， ｈｊ ｎ Ｕｎｖｒｉ ， ａｇ ｈ ｕ３ ０ ２ ， ｈｎ ）Ｃ ｉａ ｎ ｉ ｎ ｎａ Ｓ ｉ ｅ２ １， （０： ６ ７ １６ ｎ ａ ｔ ｒ ｎ ３
基于灰色理论和回归分析的需水量组合预测研究
基于灰色理论和回归分析的需水量 组合预测研究
＊?
张 倩１， 沈 利２， 蔡焕杰１， 葛彩莲１， 王 健１
（ ） 陕西 杨凌 ７ 广东 深圳 ５ １ 西北农林科技大学 旱区农业水土工程教育部重点实验室 ， １ ２ １ ０ ０； ２ 深圳市水务局 ， １ ８ ０ ０ ８
［ 摘 要］ 目的 】建立精度更高的需水量预测模型 ， 为水资源 规 划 提 供 理 论 依 据 。【 方 法 】建 立 基 于 灰 色 预 测 【 和线性回归预测的需水量组合预测模型 ， 以深圳 大 鹏 半 岛 需 水 量 为 例 ， 对组合预测模型的预测结果与单独采用灰色 线性回归模型预测的结果进行了比较 。【 结果 】单独采用灰色预测模型和线性回归模型进行预测的平 均 误 差 分 预测 、 别 为 ６． 而基于灰色预测和线性回归的组合预测模型的平均误差仅为 １％ 。【 结论 】组合模型的预测精度 ５％ 和 ２． ５％ ， 较单一模型的预测精度明显提高 ， 并且该模型可以更全面地反映需水量的变化规律 。 ［ 关键词 ］ 灰色预测模型 ； 线性回归模型 ； 组合预测模型 需水量 ； ［ 中图分类号 ］ ２ １ ２ ＴＶ ［ 文献标识码 ］ Ａ ［ （ ） 文章编号 ］ ６ ７ １ ９ ３ ８ ７ ２ ０ １ ０ ０ ８ ０ ２ ２ ３ ０ ５ １ － － －
（）
１ ９ ６ ９ 年首次提出组合预 测 模 型 的 理 论 和 方 法 以 来 ， 已有许多学者运用组合预测方法进行了深入的预测
１ ０］ 研究 。 谢开贵等 ［ 将组合预 测 模 型 用 于 “ 河南省化
的预测研究 ， 用实例验证了组合模型较 工行业人才 ” 单一模型具有更高的预 测 精 度 ； 田一梅等
［］ 使其缺 点 最 小 化 而 优 点 最 大 化 。 自 Ｂ ａ ｔ ｅ ｓ等 ９ 于
灰色——神经网络组合模型预测城市用水量
数据样 本个数 都 比较 少 。 人工神 经网络 采 用 应用 较 广 泛 的 反 向传 播 Ｂ Ｐ 模型， 以天 气状况 、 假 日情 况 、 节 日最 高 温度 和 日最 低温 度作 为影响 因素 ， 以时用水 量作 为其 输 出值 ， 故 Ｂ Ｐ网络 的拓扑 结构可确 定 为 ： ４个输 人 层神 经 元 、 ６ 个 隐古层神 经元和 １个输 出层 神经元 。 湖南大 学谢德华 的学 位论 文中给 出 了以上两种 方法 的数 学模 型及 求 解 方法 ， 此 基础 上 建立 了两 在 者 的组 合预测 模型及其 求解 方法 。
ｌ１ ＝
二 ！
，
式中
二… ：
ＣＶ Ａ Ａ：） Ｏ（ ．—— 协方差
＝ …
［ ｄ （ ＋（ ｋ ） （ ） Ａ１ ） １ Ａ２ ＋ ａ
２ ｎ １ ０ ｃｙ Ａ… Ａ２） （ 一ｋ ）ｏ （ （ ２ １）
设 （ ＝１２ … ， 为实 际值 ，． ，， Ｎ） ， 为某 一 预测
繁多 的复杂 系统 ， 其 系统 结 构 及输 入 和 输 出 的模 对 拟、 预测和 调控采 用 单个 预 测 模 型 或部 分 因 素和 指 标仅 能包含 或体 现 该系 统 的局部 ， 采 用 多个 不 同 若
网络法等 ； 另一类为历史数据法 ， 它只依赖于被预测 量 的历 史观测 数 据及 观 测模 式 ， 过 序 列 分析 找 出 通
其顺序 变化规 律 并外 推 出未 来 的值 ， 代 表性 方 法 其 有 时恻序 列分 析法 、 预测 法等 。 灰色
然而城 市用 水量 的变化 是一个 指标 和影响 因素
１ １ 模 型 的建立 ． ① 预测 方法有 效 度概念
类 是 因果 解 释性 预测 方 法 ， 即假定 用 水 量 与另 外
基于组合预测法的城市需水预测
6基于组合预测法的城市需水预测管桂玲，卢发周，果利娟，陈 璇（南京市水利规划设计院股份有限公司，江苏 南京 210022）摘要：建立指数平滑和灰色模型组合预测模型，采用改进熵值法确定权重系数，并运用组合模型对宁波市进行了需水预测。
以宁波市2001～2015年城市用水总量为基础数据，2016年城市用水总量作为测试数据，预测结果显示，组合预测模型的相对误差只有0.17%，低于指数平滑预测的1.71%和灰色模型预测的1.19%，组合预测模型进一步提高了单一预测模型的预测精度。
关键词：需水模型；指数平滑预测；灰色预测；组合模型中图分类号：TV131 文献标识码：B 文章编号：1007-7839（2019）03-0006-03Urban water demand forecasting based on combination forecasting methodGUAN Guiling，LU Fazhou，GUO Lijuan，CHEN Xuan（Nanjing Water Planning and Designing Institute Co.，Ltd.，Nanjing 210022，Jiangsu ）Abstract：The combination forecasting model of exponential smoothing and grey model was established. Improved entropy method was used to determine the weight coefficient, and the combination model was used to predict the water demand of Ningbo City. Based on the total urban water consumption in Ningbo from 2001 to 2015, the total urban water consumption in 2016 was taken as the test data. The prediction results showed that the relative error of the combination forecasting model was only 0.17%, which was lower than 1.71% of the exponential smoothing forecasting model and 1.19% of the grey model forecasting. The combination forecasting model further improved the prediction accuracy of the single forecasting model. Key words：water requirement model；exponential smoothing forecasting；grey forecasting；combination model收稿日期：2018-03-16基金项目：国家自然科学基金项目：城市低影响开发措施减灾补偿机理及空间布局研究（项目编号41301016）作者简介：管桂玲（1987—），女，硕士研究生，工程师，主要从事水资源与水环境、给水排水等工作。
组合预测模型在区域需水量预测中的应用
（ ２ ）
算结 果 ， 基 于各个 单 项 预 测 方法 误 差 序 列 的变 异
则∑ ｐ ＝ １ ， 其中ｉ ＝ １ ， ２ ， …， ｍ， ＝ １ ， ２ ， …， Ⅳ 。
［ 收稿 日期 ］ ２ ０ １ ７— ０ ｌ一 ２ ３ ［ 基金项 目］ 黑龙 江省水利 科技项 目： 黑龙 江省水灾害灾情统 计与损失评估方法 （ ２ ０ １ ３ １ ４ ） ［ 作 者简介 ］ 展金岩 （ １ ９ ８ ７一） ， 女， 黑龙江肇源人 ， 工程师 ， 硕士， 主要 从事 水文水 资源研究 ； 赵梓 淇 （ １ ９ ９ ０一） ， 男， 吉林 长春人 ， 助理工程师 ； 张 舒（ １ ９ ８ ７一） ， 女， 黑龙江哈尔滨人 ， 工程师 ， 硕士 ．
神经 网 络 法 等 。但 由 于单 一 的预 测 模 型 只考 虑
了一部分 的信息 ， 具有一定 的局限性 ， 为强化 预
测模 型 的精度 及 稳 定性 ， 对 各 种 预 测 方 法 所 提 供 的信 息进 行 综 合 利 用 ¨ Ｊ ， 减少预测风 险 ， 常采 用 组合 预测 。 组 合预 测方 法 是 一 种 既 未 否 定 单 项 预 测 同
技 术支 持 。
基础 ， 在区域水资源的规划和调度管理 中起着非 常重要 的作 用 。虽 然 需 水 量 在 一 定 程 度 上 按 趋
势 有规 律地 发 展变 化 ， 但 由于 供水 系统 具 有 很 强
２ 组 合 预 测模 型 的 建 立
本文根据信息熵 的原理 ， 利用各个单项预
ｅ
Ⅳ
时 又有 别 于传 统 预 测思 想 ２ 的优 化 预测 方 法 ， 对
各个 预 测方法 提 供 的数据 信 息 进 行 整合 ］ ， 避 免 了单 项 预 测 方 法 的单 一 局 限 性 。根 据 回 归 分 析 法、 灰 色预测 法 及 Ｂ Ｐ网 络 模 型 需 水 量 预 测 的计
基于组合预测法的台州市需水量预测研究
浙 江 水 利 水 电 专科 学校 学报 Ｊ Ｚ ｅｉ ｇＷａ． ｏ ｓ Ｈ ｄ ． ｏ ｅ ｅ ． ｈｊ ｎ ｒＣ ｎ ＆ ｙ ｒ Ｃ ｌ ｇ ａ ｌ
Ｖｏ ． ３ ＮＯ ２ １２ ．
Ｊｎ２ １ ｕ ． Ｏｌ
基 于 组 合 预 测 法 的 台 州 市 需 水 量 预 测 研 究
Ｊ ＡＮ Ｊ ａ － ｏ ｇ Ｉ Ｇ ｉｎ ｙ ｎ
（ ｈｊ ｎ ｔｒ ｏｓｒ ｎｙａｄＨ ｄｏｏ ｅ Ｃ ｌｇ ， ａｇｈｕ３ ０ １ ， ｈ ａ Ｚ ｅａ ｇＷａ ｎｅ ａ ｃ ｎ ｙｒｐｗ ｒ ｏ ｅｅ Ｈ ｎｚｏ １０ ８ Ｃ ｉ ） ｉ ｅＣ ｖ ｌ ｎ
Ａｂ ｔ ａ ｔ Ｔ ｅ ｃ ｍｂ ｎ ｄ ｐ ｅ ｉｔ ｎ ｍｅｈ ｄ ａ ｅ ｎ ｂ ｃ — ｒ ｐ ｇ ｔ ｎ ｎ ｔ ｒ ｎ ｏ ｒｈ ｎ ｉ ｅ ｗ ｔ ｒｃ ｎ ｕ ｔ ｎ ｐ ｒ ｓｒ ｃ ： ｈ ｏ ｉ ｅ ｒ ｄｃ ｉ ｔ ｏ ｓ ｂ ｓ ｄ ｏ ａ ｋ ｐ ｏ ａ ａ ｉ ｅｗｏｋ ａ ｄ ｃ ｍｐ ｅ ｅ ｓｖ ａ ｅ ｏ ｓ ｍｐ ｉ ｅ ｏ ｏ ｏ
ｏ ｔｒｄｅ ｎ ｏ ｅ ａ ｔｉ ｉｈｏ ｓｆ ａ ｉ ｅ，ｗｈ ｃ ａ ｍｐｒ ｖ ｈｅ ａ ｃ ａ ｙ ｏ ｅ ｃｉ ｎ ｗｉｈ ｃ ｍｐｒｈｅ ｓｖ ｏ ｓｄｅ— ｆｗａ ｅ ｍａ ｄ ｆｒ ｃ ｓ ｎ Ｔａｚ ｕ ｉ ｅ ｓｂｌ ｉｈｃｎ ｉ ｏ ｅ ｔ ｃ ｕｒ ｃ ｆｐｒｄｉｔｏ ｔ ｏ ｅ ｎ ｉ ｅｃ ｎ ｉ ｒ ａｉｎ ｏ ａ ｉｕｓｆ ｃｏ ｓＳ ｓｔ ｒ ｖｄｅ ｓ ｉｎｔ ｉ ｕ ｏ ｔ ｏ ｈ ａ ｎｉｇ ｏ ｔ ｒｒ ｓ ｕ ｃ ｓ ｔｏ ｆｖ ｒｏ ａ ｔｒ Ｏ ａ ｏ ｐ ｏ ｉ ｃ ｅ ｉ ｃ ｓ ｐｐ ｒｓ ｆｒｔ ｅ ｐｌｎ ｎ ｆｗａ ｅ ｅ ｏ ｒ ｅ ． ｆ Ｋ ｅ ｗｏｒ ｓ： ｏ ｂｎｅ ｅｄｃ ｉｎ ｍ ｅｈ ｄ；Ｔａｚ ｏ ｙ ｄ ｃ ｍ ｉ ｄ ｐｒ ｉｔｏ ｔ ｏ ｉｈ ｕ；ＢＰ ｎ ｔ ｒ ｅｗｏ ｋ；ｗａｅ ｅ ａ ｄ ｆ ｒ ｃ ｔ ｔｒｄ ｍ ｎ ｏ ｅ ａｓ
基于组合预测法的台州市需水量预测研究
基于组合预测法的台州市需水量预测研究
蒋剑勇
【期刊名称】《浙江水利水电专科学校学报》
【年(卷),期】2011(023)002
【摘要】运用多种预测方法的组合预测,采用BP神经网络法、人均综合用水量法
对台州市2020年、2030年总需水量进行了预测；采用人均用水量推算法、灰色
预测法、数学模型法预测台州市2020年、2030年城乡生活需水量、工业需水量、第一产业需水量等分类需水量.结果表明,组合预测方法应用于台州市用水需求预测
是可行的.组合预测综合考虑了各种因素的影响,能够提高需水量的预测精度,为水资源合理规划提供了科学决策依据.
【总页数】5页(P37-41)
【作者】蒋剑勇
【作者单位】浙江水利水电专科学校,浙江杭州 310018
【正文语种】中文
【中图分类】TV241
【相关文献】
1.基于最优非负可变加权系数组合预测法的CPI预测研究 [J], 邹建岚;曾智;
2.基于ARIMA与ANN组合模型的需水量预测方法研究 [J], 张忠国
3.基于组合预测法的发电集团年发电量预测研究 [J], 边东辉;乔欢欢
4.基于最优非负可变加权系数组合预测法的CPI预测研究 [J], 邹建岚;曾智
5.基于ARIMA与ANN组合模型的需水量预测方法研究 [J], 张忠国
因版权原因，仅展示原文概要，查看原文内容请购买。
城市给水工程需水量预测方法研究
城市给水工程需水量预测方法研究摘要：需水量预测是城市给水工程中最重要的参数，城市管网配置、泵站建设、水厂规模的确定等，均以需水量为基础，准确的需水量预测是城市给水工程建设的前提。
总结目前用到的主要的需水量预测方法，结合某区域供水专项规划中采用的需水量预测方法，重点对统计分析、指标预测等方法进行研究，总结出适用性更强的需水量预测方案。
关键词：供水规划、需水量、预测1.需水量预测方法分类需水量是规划区域内用水量总和，包括生产运营用水、公共服务用水、居民生活用水、消防及其他特殊用水（管道冲洗、末梢放水等）以及不可预见的水量（管网漏失水量）等。
即指需要向供水系统输送的所有水量之和，包括区域用水量、漏失量和未预见用水量等。
需水量预测的方法有多种，其中规范指标法、时间序列法、结构分析法、系统分析法是常用的方法。
规范指标法：根据相关规范建议的指标值进行预测的方法，是最常用的预测方法，尤其适用于缺乏多年历史数据的地区。
时间序列法：一种历史资料延伸预测，根据时间数列反映的过程和规律性，进行引申外推，预测其发展趋势的方法。
该方法要求至少有十年以上的数据资料。
结构分析法：在统计分组的基础上，计算各组成部分所占比重，进而分析某一总体现象的内部结构特征、总体的性质、总体内部结构依时间推移而表现出的变化规律性。
该方法是基于完整统计数据的预测防范。
系统分析法：把需水作为一个系统，对需水各要素进行综合分析。
系统分析法包括明确目标、系统综合分析、建议数据模型、对系统评价等内容。
[1]2.工程实例2.1.规划指标法综合生活需水量变化性较为单一，与城市发展水平息息相关，目前综合生活需水量预测多采用规范指法。
综合生活需水量包括居民日常生活需水量和公共建筑需水量，根据各地区的人民生活水平、用水习惯以及第三产业发展程度确定人均综合生活用水指标，工业用水等其他用水量可以采用综合生活用水比例法确定。
1.综合生活需水量预测综合生活用水指标的确定一般结合《室外给水设计标准》（GB50013-2018）及当地水务部分公布的多年综合用水指标确定，北方某区域多年综合用水指标平均值为175升/（人·日），位于《室外给水设计标准》（GB50013-2018）指标范围内，2025年规划人口数为114万人，确定该区域综合生活高日需水量为19.62万m³/d。
(完整版)水量预测方法
按照《东海发展协调区总体规划》中人口预测，均安镇2010 年为总人口为15.2万人，2020年为总人口21万人。
用水量预测一般为人均综合用水指标法、人均分类用水预测法、单位建设用地面积法、人均分类用水指标法、相关比例法及递增率法等。
相关比例法及递增率法需要大量的历史数据及相关数据，在本规划中不适用。
本规划采用人均综合用水指标法、人均分类用水量预测法及单位建设用地面积法对规划区未来的用水作预测，以人均综合用水指标法为主，人均分类用水量预测法及单位建设用地面积法对其校核验证。
3.6.1 人均综合用水指标法2005年均安镇最高日供水量为7.8万m3/d，城市人口为13.5万，可以计算出2005 年均安镇区单位人口综合用水指标为578L/人· d。
从均安镇历年售水量统计数据可以看出，水量的增长与全国的经济发展形势关系密切，近三年的供水量平均增长率为约5.12%。
随着城市发展总体目标的确定和城市建设快速扩展，以及我国成功申办奥运、顺利加入世贸组织，我国经济发展充满了机遇，均安镇的经济也同样面临新一轮的高速发展，因此可以预见均安镇的用水量又将迎来一轮新的快速增长期。
另一方面，根据统计资料表明，我国广州，上海、南京、杭州等特大型城市的实际单位人口综合用水指标在500～900L/人· d 左右，以此作为参考，结合均安镇现实用水指标的具体情况，确定均安镇2010年和2020年的单位人口综合用水指标分别为650L/人·d、800L/ 人·d，由此可以计算出：2010 年最高日用水量：650 L/人·d × 15.2万人＝10.0万m3/d2020 年最高日用水量：800 L/人·d × 21万人＝16.8万m3/d3.6.2单位建设用地指标法《城市给水工程规划规范》(GB50282-98) 提出的城市单位建设用地综合用水量指标为：一区大城市：0.8 ～1.4 万m3/(km2?d)；一区中等城市：0.6 ～1.0 万m3/(km 2?d) ，一区小城市：0.4 ～0.8 万m3/(km 2?d) 。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
基于组合预测方法的需水量预测
本文在概述组合预测法的基础上，探讨了需水量的预测方法。
尤其是建立了基于回归分析和灰色预测的需水量组合预测模型。
通过实例对组合预测的结果与线性回归、灰色预测的结果进行了比较，结果表明组合预测模型的精度比单一模型的预测精度明显提高。
标签：需水量；回归分析；灰色预测；组合预测
近年来，随着我国经济的快速发展和人民生活水平日益提高，人们对水资源的需求越来越大。
但是我国的淡水资源是有限的，而且水资源浪费和污染非常严重，所以水资源供给与需求之间的矛盾在很多北方地区日益尖锐，甚至成为了制约地区国民经济发展的重要因素。
因此，对需水量进行预测并相应地提出科学合理的对策是解决这一矛盾的有效途径。
需水量的预测方法主要有灰色模型法、回归分析法、时间序列法、定额法、神经网络法等。
由于各模型都有其自身的局限性，因此利用组合预测方法把各个单一预测结合起来是一种好的策略，可以综合各种方法的优点，使其缺点最小化。
自从贝特的无条件极小值问题。
对上式求偏导数，可得到使误差平方和最小的权重系数的值。
二、需水量的预测方法
德州市位于山东省西北部，水资源比较缺乏。
目前除了利用当地水资源之外，主要通过调用黄河水和长江水，以保证城乡居民生活用水。
根据对相关文献的阅读，获得2001-2010年份的德州市用水量[3]，具体数据见下表1。
我们利用这些数据采用不同的方法对德州市未来的用水量进行预测。
1、回归预测
回归分析预测法是在自变量和因变量之间相关关系的基础上，建立变量之间的回归方程，然后根据自变量数值的变化，代入回归方程式推算预测对象的变化，回归分析预测法是一种重要的预测方法[4]。
在近期，我们的人口和生产总值是逐年增加的，所以需水量也随着增加，在中短期需水量与年份之间存在一定的相关关系。
通过回归分析的方法建立需水量与年份之间的回归方程，就能够进行需水量的预测。
根据表1中的数据，利用spss可得回归方程为，经过F检验线性关系显著。
表2显示回归预测的误差较小。
2、灰色预测
灰色预测的主要特点是模型使用的不是原始数据序列，而是对原始数据作累
加生成得到的近似指数规律的序列进行建模的方法[5]。
其中GM（1，1）模型表示模型是一阶微分且只含1个变量的灰色模型，也是应用最广泛的。
灰色预测方法的优点在于可以用较少的数据进行预测，简洁实用[6]。
其原理如下：
设原始序列为，累加生成序列，建立灰色微分方程，解微分方程得累加序列的预测值：
3、组合预测
前面我们利用线性回归和灰色预测方法分别进行了预测，将表2和表3中的两种预测方法的预测误差代入公式（4）得：，再代入公式（5）得：。
令偏导数等于0，求得，。
所以组合预测公式为。
用三种方法对2011和2012年的用水量进行预测，并与实际数据进行验证（见表4）。
由表4可知，组合预测模型综合利用了各种预测方法所提供的信息，使预测精度得到提高并且更为稳定。
由于预测方法本身的局限性，我们从历史数据中寻求规律，并没有综合分析经济发展、水利建设等对水资源供需情况的影响，所以还存在一定的局限性，有待改进。