搜索到696篇“ 用水量预测“的相关文章
一种可进行用水量预测的基于NB-IoT技术的智能水表
本实用新型专利公开了一种可进行用水量预测的基于NB‑IoT技术的智能水表,包括水表主体、智能控制模块、NB‑IoT智能通信模块、电池模块、RS485模块、显示器、干簧管传感器、存储器,能够实现用水量的实时监测和预测。其中...
李静姝李庆义林培英袁玉英
陕西省月用水量预测方法研究被引量:1
2025年
基于国家水资源管理信息系统的月用水量数据分析,选用ARIMA模型、BP神经网络模型以及经过遗传算法(GA)优化的BP神经网络模型(GA-BP神经网络模型)进行月用水量模拟。在构建BP神经网络模型过程中,通过多源社会经济数据的整合与分析,采用平均影响值算法(MIV)和皮尔逊相关系数联合方法筛选月用水量的关键影响因子。研究结果表明,三种模型在陕西省月用水量预测中均表现出较高的精度,其中GA-BP神经网络模型的预测精度最高。为进一步验证影响因子对模拟结果的影响,采用不同方法筛选影响因子作为GA-BP神经网络模型的输入,模拟结果表明,MIV和皮尔逊相关系数联合方法提高了影响因子的选取精度,能够有效提升GA-BP神经网络模型的模拟性能。
陈星沈紫菡许钦刘睿佳蔡晶
关键词:ARIMA模型遗传算法神经网络模型
耦合系统动力学和深度学习的取用水量预测方法及装置
本发明提供一种耦合系统动力学和深度学习的取用水量预测方法及装置,其方法包括:基于工业发展、生活用水和农业灌溉的用水需求构建水资源系统动力学模型,得到所述水资源系统动力学模型确定的目标区域的第一单位时段取用水量;将目标区域...
吴梦琪王敬吴凤燕夏倩何娟范杨臻陈绪勋高猛王剑刁雨晴
改进GM(1,1)-ARMA模型的工业用水量预测
2025年
工业用水量预测是水资源管理的一个重要领域,为准确预测工业用水量的变化趋势,文章利用灰色系统理论,建立了安徽省工业用水量预测的GM(1,1)模型。由于传统GM(1,1)模型预测精度不符合要求,在原有的GM(1,1)模型的基础上引入幂函数优化原始值改进GM(1,1)模型,为进一步提高预测精度引入ARMA进行残差修正,建立了改进GM(1,1)-ARMA模型,并将上述2种改进模型应用到安徽省工业用水量预测中,预测出安徽省2025年工业用水量为77.74亿m3、2030年为74.60亿m3。结果表明:2种改进GM(1,1)模型的方法优于传统GM(1,1)模型的预测精度,根据预测结果,可分析出2027~2030年安徽省工业用水量将在74.60亿m3左右波动。
高华昆杨杰
关键词:ARMA
二次供水水池用水量预测方法及系统、调蓄方法及系统
本发明属于城市供水技术领域,涉及一种二次供水水池用水量预测方法及系统、调蓄方法及系统,预测方法步骤为:获取各水池供水区域环境参数和历史累计用水量;向历史环境参数和历史累计用水量中添加缺失时间、日期特征、缺失累计用水量后形...
王俊杰滕心宇刘朝旭庞云方徐芸王云楷
基于深度回归的二次供水居民用水量预测模型
2025年
针对如何准确预测二次供水居民用水量,本文提出了一种基于深度回归的二次供水居民用水量预测模型。首先,利用数据处理方法对采集的用水量数据集进行分类;其次,基于深度神经网络模型,构建具有两个分支的联合网络框架,用于拟合用水量曲线趋势和幅值;最后,训练并保存效果最好的模型对居民用水量进行预测。本文选取某市区A、B两个居民小区用水量数据集作为数据源。实验结果表明,本文模型对居民用水量预测整体误差在数据量为十天的情况下为30%左右,数据量为一个月时可降低误差至10%以下,可以满足实际场景下居民用水量预测高准确度的需求。
陈飞翔石振群程耀邓帮武王程伟姜帅
关键词:二次供水数据处理
基于机器学习和SHAP算法的农业用水量预测模型构建
2024年
农业用水预测是区域水资源规划中的关键环节,对于实现水资源合理开发,保障粮食安全具有重要的指导意义。然而,现有农业用水预测模型普遍存在输入参数冗余、模型精度不够等问题,不利于有效地进行水资源管理和优化决策。因此,选择内蒙河套灌区作为研究对象,首先对灌区农业用水量相关驱动因子进行主成分分析(Principal Components Analysis,简称PCA),筛选出影响灌区农业用水量的关键因子;其次构建多种基于机器学习的农业用水预测模型;最后,利用Shapley加法解释方法(SHapley Additive exPlanations,SHAP)验证最优模型应用的合理性,并深入挖掘各特征值对农业用水量的贡献影响。结果表明:多层感知器神经网络(MLP)机器学习模型可以有效的预测农业用水量,其R2评价指标为0.84,相较于其他五种不同机器学习模型(最小绝对收缩和选择算子回归Lasso、岭回归Ridge、决策树DT、随机森林RF、极限梯度提升XGboost),该模型预测结果较好。采用SHAP值法对MLP机器学习模型中的输入参数进行量化分析,发现第一产业总产值与粮食产量有较高的绝对平均SHAP值,而在不同灌域中SHAP值贡献大小略有差异。构建农业用水量预测筛选模型可以准确预测农业用水量,从而实现灌区农业精准灌溉并提高水资源利用效率,对于缓解未来河套灌区水资源供需矛盾具有重要的实际意义。
昝子懿岳卫峰赵航正曹倡铭胡竞丹胡立堂徐洋陈爱萍
关键词:农业用水量用水量预测河套灌区
基于多头注意力机制的工业用水量预测方法、系统及介质
本发明涉及水资源管理技术领域,公开了基于多头注意力机制的工业用水量预测方法、系统及介质。该方法获取历史用水量数据,设置长度为t<Sub>1</Sub>时间窗口,并设置滑动步长,将历史用水量数据分割为若干个数据样本,以此构...
苏馈足袁瑞曼亚灿卢立宇徐凯王伟周啸董方
组合神经网络的城市用水量预测模型研究与应用
2024年
针对BP神经网络在用水量预测时影响因素多以及易陷入局部最优的问题,本文构建一种基于主成分分析和改进粒子群算法优化的BP神经网络(PCA-IPSO-BP)用水量预测模型。本文首先提出一种基于正弦函数的非线性异步学习因子,改进粒子群算法(PSO),形成IPSO算法,然后通过主成分分析筛选用水量因子,最后应用IPSO算法组合BP神经网络,以乌鲁木齐市2005—2020年用水量数据为例开展用水量模拟,并对未来用水量进行预测。结果显示,有关经济、人口、气候、用水效率等方面的14个因子可由降维后的主成分F1、F2、F3代替;PCA-IPSO-BP神经网络模型最先收敛且适应度值最小,用水量模拟的RMSE、MAE、MAPE分别为0.103亿m^(3)、0.093亿m^(3)、0.89%;未来用水量有增加趋势,2025年、2030年、2035年用水量分别为12.58亿m^(3)、13.98亿m^(3)、14.31亿m^(3)。该模型消除了因子之间的冗余信息,提高了预测精度,基于非线性异步学习因子的IPSO算法有效避免了模型陷入局部最优,该模型可为城市用水量预测提供一种新的方法。
李东升朱奎朱奎张树健高明星韩旭航
关键词:用水量预测主成分分析BP神经网络改进粒子群算法
基于迁移学习的城市用水量预测方法、系统、设备及介质
本申请涉及一种基于迁移学习的城市用水量预测方法、系统、设备及介质。所述方法包括:通过网格划分得到多个一级源域和一级目标域;构建不同域的管道约束并获取不同用水模式的历史用水量序列及对应的影响因素序列;确定每个一级目标域的匹...
徐步欧黄军黎绵青童镇立孙东奎

相关作者

许强
作品数:11被引量:22H指数:3
供职机构:西安理工大学
研究主题:用水量预测 优化调度 城市供水 管网模型 优化调度模型
张宏伟
作品数:625被引量:2,537H指数:22
供职机构:天津大学
研究主题:航行器 供水管网 膜生物反应器 膜污染 水下航行器
赵洪宾
作品数:163被引量:1,344H指数:25
供职机构:哈尔滨工业大学市政环境工程学院
研究主题:给水管网 供水管网 城市给水 供水 给水管道
吕谋
作品数:206被引量:825H指数:15
供职机构:青岛理工大学环境与市政工程学院
研究主题:供水管网 给水管网 供水系统 遗传算法 优化调度
陈磊
作品数:46被引量:405H指数:14
供职机构:浙江大学电气工程学院
研究主题:最小二乘支持向量机 遗传算法 日用水量 供水系统 支持向量机