基于灰色遗传BP神经网络的校园区间需水预测研究
2019-08-06杨利纳李文竹
水资源与水工程学报 2019年3期
杨利纳, 李文竹, 刘 心
(河北工程大学, 河北 邯郸 056038)
1 研究背景
从宏观而言,准确有效的水资源预测可为社会和经济的发展、粮食和生态环境安全提供重要保障[1]。具体到校园的水资源管理,由于学校校园人口密集,需水量大,所以做好校园的定量用水预测,可以及时发现校园用水异常,以此来合理地下达用水指标[2]。
关于需水量研究的方法,国内外构建了许多与需水预测相关的模型,例如ARIMA模型[3]、灰色建模模型[4]、神经网络模型[5]。除了上述的方法,有很多学者也将多种预测方法组合在一起。例如,宋帆等[6]利用聚类方法和灰色关联分析的方法结合起来,对吉林省的用水量进行了预测;查木哈等[7]利用BP神经网络的双层隐层模型,对老哈河流域的用水量进行了预测。但将灰色关联分析和神经网络结合起来的比较少,因此本文尝试将两种算法结合,另外,在神经网络中加入遗传算法优化,不容易陷入局部极小的问题[8]。
本文建立了以灰色关联分析方法和遗传算法的遗传神经网络区间预测模型,该模型首先采用灰色关联分析方法,通过设置灰色关联度阈值确定需水量主要影响因子,用于提取特征变量,从而降低冗余输入变量的复杂性;其次在神经网络中加入遗传算法优化,不容易陷入局部极小的问题;最后提出了区间需水预测[9],根据模型先得出点的预测值,再根据点预测和实际值两者的残差值来估计预测区间的上界和下界,区间预测能准确地预测用水量在未来时段的波动范围。……
登录APP查看全文
