基于贝叶斯理论的日用水量概率预测

发布时间：2018-08-10 07:11

【摘要】：为解决城市日用水量的概率预测问题,提出了基于贝叶斯理论的日用水量预测法.引入贝叶斯理论,建立了日用水量概率预测系统.在系统中,利用支持向量机建立日用水量预测模型、似然函数和先验密度,并采用自适应马尔可夫链蒙特卡罗模拟方法求解日用水量的后验密度,得到日用水量的概率预测值.实例表明,本文提出的预测方法不仅显著提高了日用水量的预测精度,而且通过定量给出预测值的置信区间,为城市供水系统的调度提供了更科学、可靠的决策依据.
[Abstract]:In order to solve the problem of urban daily water consumption prediction, a Bayesian theory based daily water consumption forecasting method is proposed. A probability forecasting system of daily water consumption is established by introducing Bayesian theory. In the system, support vector machine is used to establish daily water consumption prediction model, likelihood function and prior density, and adaptive Markov chain Monte Carlo simulation method is used to solve the posteriori density of daily water consumption, and the probabilistic prediction value of daily water consumption is obtained. The example shows that the method proposed in this paper not only improves the precision of daily water consumption, but also provides a more scientific and reliable decision basis for the dispatch of urban water supply system by quantificationally giving the confidence interval of the predicted value.
【作者单位】： 浙江工业大学建工学院;
【基金】：国家自然科学基金(50908165)~~
【分类号】：TU991.31

【相似文献】

相关期刊论文 前10条

1 张宏伟;岳琳;王亮;;基于径向基函数的城市日用水量预测方法[J];天津大学学报;2006年04期

2 赵明;袁一星;;应用实用动态组合模型预测城市日用水量[J];中国给水排水;2007年03期

3 蒋白懿;代进;高金良;;城市日用水量预测模型比较研究[J];沈阳建筑大学学报(自然科学版);2008年02期

4 柳景青;易远山;张土乔;;城市日用水量主影响因素粗集理论分析方法[J];哈尔滨工业大学学报;2008年08期

5 张宏伟;陆仁强;牛志广;;基于分形理论的城市日用水量预测方法[J];天津大学学报;2009年01期

6 陈磊;杨敏;;基于粗糙集和遗传神经网络的城市日用水量预测模型[J];节水灌溉;2011年07期

7 桑苏玲;;城市日用水量的分形特征[J];科技视界;2013年32期

8 张雄,党志良,叶朝俐,李洋;西安市日用水量预测模型研究[J];机械工程与自动化;2005年05期

9 王亮;汪震;岳琳;;基于粒子群优化算法的城市日用水量预测模型[J];中国给水排水;2007年07期

10 张薇;邹志红;王惠文;;城市日用水量预测模型及其应用[J];系统工程;2010年03期

相关会议论文 前1条

1 陈永勤;王培龙;;香港城市日用水量的统计模型:趋势、模式及预测[A];农业、生态水安全及寒区水科学——第八届中国水论坛摘要集[C];2010年

相关重要报纸文章 前3条

1 实习生 吴健;巴城日用水量创新高[N];巴中日报;2010年

2 记者 曹爱方　通讯员 魏光华;甬城日用水量昨创新高[N];宁波日报;2011年

3 记者 陈淦璋邋通讯员 朱俊;长沙日用水量突破135万吨[N];湖南日报;2008年

相关硕士学位论文 前5条

1 李婕妤;优化的神经网络日用水量预测模型研究[D];新疆大学;2015年

2 石也;卡尔曼滤波和混合智能算法在城市日用水量预测的应用研究[D];浙江工业大学;2016年

3 余翔;城市日用水量的贝叶斯概率预测方法研究[D];浙江工业大学;2012年

4 吴凌云;基于改进最小二乘支持向量机的日用水量预测方法研究[D];浙江工业大学;2013年

5 陈战波;西安市日用水量的非线性时间序列模型[D];西安理工大学;2007年

，

本文编号：2175337