基于粗糙集-模糊C均值聚类的Elman神经网络农村需水量预测

摘要：

农村需水量影响因素作用机理复杂导致农村需水量预测值与实际值差别较大,采用模糊C聚类分析与Elman神经网络模型结合的方法建立农村需水量预测模型.首先,将用水方差和年用水均量等用水数据作为特征向量对2010-2017年海南省16个村落进行模糊C聚类,将村落分为三类;其次,以数据分析为基础,结合文献分析和官方数据分析提取关键因素,借助SPSS软件对关键因素进行降维处理,得到三类村落的关键影响因素;最后,将所得关键因素和2010-2016年用水数据作为Elman神经网络算法的输入对模型进行校核并运用粗糙集理论对模型进行修正,经误差分析,平均绝对百分比误差(MAPE)从0.27下降到0.127,对称平均绝对百分误差(SMAP)从0.082下降到0.041,平均绝对偏差(MAE)从3 832.32减少到1325.53,表明模型可以相对全面的模拟农村需水量变化规律,可以用于农村水资源精准预测,为城乡供水一体化提供理论依据.

关键词：需水量、模糊C聚类、Elman神经网络、粗糙集修正

所属期刊栏目：20

分类号：X171.4(环境生物学)

资助基金：国家自然科学基金751572126

在线出版日期：2020-04-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：373-380