基于神经网络校园区间需水预测及调度研究

发布时间：2024-03-16 17:35

　　人口的增加导致用水量增加,一些地区仍然有供给和需求难以平衡的状况,导致用水量的应用率大幅度的下降,基于以上,合理的应用水资源显得尤为重要,而合理的做好需水预测和用水调度是合理应用水资源的有效手段。校园需水预测和用水调度是近年来的热门话题,由于校园人口十分密集,需水量又大,因此做好校园的需水预测及用水调度,可以及时的发现校园用水的异常,以此下达合理的用水指标,对水资源的政策进行合理的制定,对水的供给政策进行合理的制定,将其方法和思想应用到其它领域,达到避免水资源浪费的目的,促进社会以及经济健康发展。针对校园用水受很多因素影响产生的不确定性,本文提出了基于灰色遗传BP神经的校园需水预测模型。首先对校园用水的数据进行灰色关联分析,找出影响校园用水的主要因素,输入到遗传BP神经网络模型中,先得出点的预测值,根据点预测和实际值两者的残差值,以此来估计预测区间的上界和下界,区间预测能准确的预测用水量在未来时段的波动范围,与BP神经网络的预测结果进行比较,通过Matlab对校园的用水区间数据进行仿真,得出的结果显示,预测的数据和实际数据基本吻合,其预测数据的仿真的精度为90.32%,证明文章方法可行...

【文章页数】：74 页

【学位级别】：硕士

【部分图文】：

图3-4预测模型点预测图

染色体的数量越多，但是会对对之前适应度高的个体造成破坏过程会有反复性和随机性；但是如果选取的数值过小，新的染变弱。本文采用的变异概率为0.2。所述，遗传算法的参数设置如表3-3所示。表3-3遗传算法参数设置Table3-3Parametersettingofg....

图3-5预测区间上下界曲线

第3章校园区间需水预测模型从预测值我们可以预测值围绕实际值略有起伏，看出此模型仿比较精确的，点的预测方式无法对校园用水量未来的波动情况运用区间预测进行预测，以下我们将做此模型的区间预测。测区间上下界结果采用河北工程大学2018年4月每天的用水量作为样本，假设置面的点....

图3-6GA-BP和BP预测比较图

第3章校园区间需水预测模型WC的值又足够小，证明本文建立的预测模型可靠。测模型和BP神经网络的比较校园区间需水预测，本文引入了灰色关联分析方法,找到影响校，并结合遗传算法优化神经网络解决其无法自动寻优和极易陷而增强了其稳定性和适应能力，通过此方法和BP神经网络进行....

图4-5函数的平均适应度数值变化图

图4-5函数的平均适应度数值变化图Fig.4-5Thenumericalvariationdiagramoftheaveragefitnessoffunction图4-6函数平均适应度数值变化图Fig.4-6Thenumericalvaria....

本文编号：3929888