基于Elman神經(jīng)網(wǎng)絡(luò)的組合需水預(yù)測方法研究.pdf

1、隨著社會科技的發(fā)展，工業(yè)化和城市化不斷深入，人類對水資源的需求將會維持一段較長時(shí)間的增長，但是由于全球氣候變化，可供人類使用的水資源逐漸減少，這就導(dǎo)致水資源供需矛盾更加尖銳，因此合理利用水資源是當(dāng)前的重要任務(wù)。城市水資源的合理利用主要由城市供水調(diào)度系統(tǒng)決定，而需水量預(yù)測的準(zhǔn)確程度直接影響到供水系統(tǒng)投資、管網(wǎng)布局和運(yùn)行的合理性。因此，必須要對城市水資源的需求進(jìn)行科學(xué)合理的預(yù)測。進(jìn)行需水預(yù)測最重要的是根據(jù)用水?dāng)?shù)據(jù)特點(diǎn)選擇科學(xué)合理的預(yù)測方法，

2、建立準(zhǔn)確的數(shù)學(xué)模型。傳統(tǒng)預(yù)測方法的數(shù)學(xué)模型，雖然計(jì)算量小，速度快，但是也有許多缺陷，如沒有自學(xué)習(xí)的能力，不具備自適應(yīng)性，預(yù)測方法不夠健壯等。然而，用水量數(shù)據(jù)的變化具有非線性、時(shí)變性和不確定性等特征，傳統(tǒng)的預(yù)測方法已經(jīng)不能滿足需水量預(yù)測對精度的要求。神經(jīng)網(wǎng)絡(luò)的使用為此提供了新的思路。本文采用基于Elman神經(jīng)網(wǎng)絡(luò)的組合預(yù)測方法對校園時(shí)用水量進(jìn)行了預(yù)測，主要內(nèi)容包括以下幾個部分:
　　在用水?dāng)?shù)據(jù)處理部分，對原始數(shù)據(jù)進(jìn)行凈化和有效的預(yù)處

3、理對實(shí)現(xiàn)準(zhǔn)確預(yù)測是十分重要的。同時(shí)，用水?dāng)?shù)據(jù)是隨機(jī)非平穩(wěn)序列，為預(yù)測增加了一定的難度。所以，本文對用水?dāng)?shù)據(jù)進(jìn)行了分析處理，以得到一組滿足預(yù)測算法輸入要求的較完善的數(shù)據(jù)。首先，對缺失和異常的數(shù)據(jù)進(jìn)行補(bǔ)足和替換。針對缺失值采用的平均數(shù)替代法，針對異常值采用的水平和垂直處理方法。然后，采用集合經(jīng)驗(yàn)?zāi)B(tài)分解(Ensemble Empirical Mode Decomposition，EEMD)方法對數(shù)據(jù)進(jìn)行分解，得到相對平穩(wěn)的數(shù)據(jù)分量。最后，由

4、于分量數(shù)量過多，所以進(jìn)行灰色關(guān)聯(lián)度分析，將關(guān)聯(lián)度較高的分量進(jìn)行合并，重構(gòu)序列，最終得到數(shù)量較少且相對平穩(wěn)的序列作為預(yù)測輸入。
　　針對用水?dāng)?shù)據(jù)進(jìn)行預(yù)測，本文提出了基于Elman神經(jīng)網(wǎng)絡(luò)的用水量預(yù)測模型。Elman神經(jīng)網(wǎng)絡(luò)收斂速度較快，能夠動態(tài)建模，對于預(yù)測用水?dāng)?shù)據(jù)這樣波動行較大的數(shù)據(jù)具有一定優(yōu)勢。但是Elman神經(jīng)網(wǎng)絡(luò)依然存在全局搜索能力差的缺陷。因此，本文針對這一缺陷，采用遺傳算法對Elman神經(jīng)網(wǎng)絡(luò)進(jìn)行優(yōu)化，選取Elman神經(jīng)