城市供水DMA短期需水量预测比较研究

摘要：

针对城市供水独立计量区域(DMA)实例,运用自回归积分滑动平均模型、Elman神经网络、广义回归神经网络以及最小二乘支持向量机模型进行城市供水管网短期需水量预测.结合节假日、天气状况及温度等因素对用水量的影响,修正了相应模型,进一步提高了需水量预测精度.实例计算结果表明,4种模型均能用于城市供水短期需水量预测,其中结合天气及节假日因素的最小二乘支持向量机模型具有更高的预测精度.

关键词：城市供水、需水量预测、ARIMA、ELMAN、GRNN、LSSVM

所属期刊栏目：37

分类号：TU991.31(地下建筑)

资助基金：国家自然科学基金资助项目61233004,U1509205

在线出版日期：2017-06-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：51-56