基于Elman神經網絡的組合需水預測方法研究.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，這就導致水資源供需矛盾更加尖銳，因此合理利用水資源是當前的重要任務。城市水資源的合理利用主要由城市供水調度系統(tǒng)決定，而需水量預測的準確程度直接影響到供水系統(tǒng)投資、管網布局和運行的合理性。因此，必須要對城市水資源的需求進行科學合理的預測。進行需水預測最重要的是根據用水數據特點選擇科學合理的預測方法，

2、建立準確的數學模型。傳統(tǒng)預測方法的數學模型，雖然計算量小，速度快，但是也有許多缺陷，如沒有自學習的能力，不具備自適應性，預測方法不夠健壯等。然而，用水量數據的變化具有非線性、時變性和不確定性等特征，傳統(tǒng)的預測方法已經不能滿足需水量預測對精度的要求。神經網絡的使用為此提供了新的思路。本文采用基于Elman神經網絡的組合預測方法對校園時用水量進行了預測，主要內容包括以下幾個部分:
　　在用水數據處理部分，對原始數據進行凈化和有效的預處

3、理對實現準確預測是十分重要的。同時，用水數據是隨機非平穩(wěn)序列，為預測增加了一定的難度。所以，本文對用水數據進行了分析處理，以得到一組滿足預測算法輸入要求的較完善的數據。首先，對缺失和異常的數據進行補足和替換。針對缺失值采用的平均數替代法，針對異常值采用的水平和垂直處理方法。然后，采用集合經驗模態(tài)分解(Ensemble Empirical Mode Decomposition，EEMD)方法對數據進行分解，得到相對平穩(wěn)的數據分量。最后，由

4、于分量數量過多，所以進行灰色關聯(lián)度分析，將關聯(lián)度較高的分量進行合并，重構序列，最終得到數量較少且相對平穩(wěn)的序列作為預測輸入。
　　針對用水數據進行預測，本文提出了基于Elman神經網絡的用水量預測模型。Elman神經網絡收斂速度較快，能夠動態(tài)建模，對于預測用水數據這樣波動行較大的數據具有一定優(yōu)勢。但是Elman神經網絡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神經網絡進行優(yōu)化，選取Elman神經