基于人工鱼群神经网络的城市时用水量预测方法

摘要：

城市供水时用水量预测精度对城市供水系统具有重要影响。传统的反向传播(back-propaganda，BP)神经网络预测方法容易陷入局部解，并且需要大量的训练数据。人工鱼群算法具有较优的全局收敛能力及较快的寻优速度。为此，利用人工鱼群算法对 BP 神经网络的初始权值和阈值进行优化，建立了一种新的时用水量预测模型。将该模型应用到华北某市时用水量的预测中，预测结果表明人工鱼群神经网络算法的均方差比 BP 神经网络算法的均方差小5%。实例证明，人工鱼群神经网络比 BP 神经网络的预测精度更高，收敛速度更快。人工鱼群神经网络算法可用于短期水量预测。

关键词：城市用水、人工鱼群算法、水量预测

分类号：TU991.31(地下建筑)

资助基金：国家社会科学基金重点资助项目13AZD011

在线出版日期：2015-05-14（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：373-378