城市用水量
城市用水量的相关文献在1984年到2022年内共计126篇,主要集中在建筑科学、水利工程、自动化技术、计算机技术
等领域,其中期刊论文110篇、会议论文12篇、专利文献110153篇;相关期刊83种,包括哈尔滨建筑大学学报、沈阳建筑大学学报(自然科学版)、城镇供水等;
相关会议10种,包括中国水利学会2013年学术年会、第三届中国中西部地区土木建筑学术年会、华东地区给水排水技术情报网第十七届年会等;城市用水量的相关文献由258位作者贡献,包括李林、赵洪宾、付强等。
城市用水量—发文量
专利文献>
论文:110153篇
占比:99.89%
总计:110275篇
城市用水量
-研究学者
- 李林
- 赵洪宾
- 付强
- 刘遂庆
- 张宏伟
- 李黎武
- 袁一星
- 孙勇
- 徐祖信
- 施周
- 王春磊
- 赵鹏
- 邓英伟
- 陈敏
- 高金良
- DU Kun
- Wang Rong
- Wang Xinhui
- Yang Yan
- ZHAO Xue-ning
- ZHOU Ming
- Zhou Yi
- luo Yong
- 东北农业大学水利与建筑学院
- 乔维德
- 于宝堃
- 于常武
- 于涵
- 代进
- 任月明
- 何文娟
- 何文彬
- 何文杰
- 佘娜
- 信昆仑
- 傅金祥
- 党志良
- 兰宏娟
- 冯静
- 刘兆琦
- 刘冬
- 刘力鹏
- 刘坤
- 刘娟
- 刘年东
- 刘斌
- 刘玉琴
- 刘玲
- 刘瑶
- 刘畅
-
-
刘冬
-
-
摘要:
本研究采用多元线性回归分析的原理以及模型,以赤峰市城市水资源的使用情况为例,对该市全部城镇用水量做出了预测与分析。运用统计专业知识对其进行了逐步回归分析,运用spss软件对影响城市的用水总量的各种要素进行多元线性回归分析,初步构造出回归方程,进一步分析了城市的用水总量。该模型最大误差值计算为0.387%,最小误差计算为0.058%,平均误差计算为0.241%,模型的拟合状态较好。
-
-
朱铭江;
裘娅;
张祖鹏
-
-
摘要:
随着浙江省水利数字化改革的深入推进,提升水利智慧化管理水平过程中,人工智能、深度学习等技术具有广阔的应用前景。其中运用机器学习算法挖掘水资源动态监测数据的内在规律进行城市用水量动态预测,从而精准掌握城市用水量未来时段的变化情况,对于支撑城市供水旱情研判、提高水资源精细化管理水平具有重要作用。利用长兴水务公司2013—2021年取水实时监测数据,采用支持向量机模型方法构建长兴县城市用水量预测模型,探讨基于机器学习的用水量数据挖掘方法在城市用水量预测领域的适用性,为水资源数字化改革提供有效的模型组件。
-
-
李敏
-
-
摘要:
随着社会经济的增长,城市化进程逐渐加快,城市用水量不断攀升,致使生活用水、工业废水排放量不断增加,废水对环境造成污染日益严重,人们也越加关注污水的处理问题,本文主要研究污水厂污泥的处理工艺,以此提高污水再循环利用的效率,有效节约城市用水资源,维持生态稳定发展,保障生态经济持续增长,对污水厂污泥处理技术进行研究。
-
-
-
赵家晓;
张宇宇;
吴祥军
-
-
摘要:
城市用水量的准确预测是供水调度模式改革和创新的关键,对优化水资源配置有着重要意义.城市用水量受诸多因素影响,通过数据处理、探索性数据分析、特征工程,选择天气、节假日、时间三个变量作为BP神经网络模型的输入变量预测24小时5min级的城市用水量.城市用水量具有很强的周期性,有日周期性、周周期性、季节周期性,这样导致训练BP神经网络的数据周期最少为一年,仅仅使用BP神经网络模型预测短时间的城市用水量,误差偏大,为解决长周期的训练样本数据对短周期的预测数据的影响,引用误差校正算法对BP神经网络预测结果进行校正,提高预测精度.
-
-
田午子;
孙泽;
孙润;
于涵
-
-
摘要:
城市用水量是城市给水系统规划的一项重要参考指标,对城市用水量的预测具有重要意义.通过查阅北京统计局出示的有关数据以及阅读相关文献,搜集北京市近15年的统计资料,基于SP SS多元线性回归中的逐步回归分析法,建立回归模型.经检验,该模型具有较高准确度,可以用来预测城市用水量.
-
-
-
-
-
摘要:
2019年11月18日,南水北调后续工程工作会议召开,会议主要研究部署后续工程和水利建设等工作。南水北调工程设计之初,主要目的就是为了缓解中国北方水资源严重短缺问题。如今,南水北调工程已成为重要的民生工程、生态工程、战略工程。南水北调东线、中线一期工程建成以来,工程质量和水质都经受住了检验。根据数据统计,近5年来,南水北调东线、中线一期工程累计调水295亿立方米,这相当于10个密云水库的蓄水量。南水北调改变了中国的供水格局,提升了水资源配置保证率,南水北调至少为40座大中城市的供水提升了保证率。目前,北京城市用水量73%以上为南来之水,而天津14个区的居民供水100%为南水。
-
-
周鹏飞;
卢泽雨
-
-
摘要:
应用多元线性回归分析原理及模型,以邯郸市为例,对城市用水量进行预测.采用逐步回归分析法,利用SPSS软件对影响城市用水量的因素进行多元线性回归分析,建立回归方程,分析城市用水量.该模型的最大误差值为0.378%,最小误差值为0.058%,平均误差值为0.241%,模型拟合情况良好,可以用来预测城市用水量.
-
-
许秀清
-
-
摘要:
在城市给水系统中,取水建筑物、泵站、输水管线等都是重要组成部分.随着我国城市化建设步伐的不断加快,城市用水量与日俱增.为保证充足的水量供应,各个城市每年都会投入大量的资金用以新建和改造给水输配系统.文章介绍了给水系统相关技术的发展,对其优化规划设计的原则进行了梳理,探讨了具体方法及实现步骤.
-
-
赵晓梅;
盖美
- 《中国水利学会水资源专业委员会2009学术年会》
| 2009年
-
摘要:
对城市用水量的科学预测是城市水资源合理开发、利用和管理的基础.在传统灰色预测模型的基础上建立了等维新息灰色预测模型,并利用马尔可夫链预测模型预测出结果的波动范围,形成等维新息灰色马尔可夫预测模型.再以1998~2007年大连城市用水量实测值作为原始数据,构建预测模型,预测其2008~2012年用水量.结果表明:等维新息灰色马尔可夫预测模型预测结果的误差更小,精度更高.该预测结果可以为大连未来城市供水规划提供参考依据.最后分析该预测结果,并为大连未来城市水资源合理开发利用提出一些建议.
-
-
-
Yang Yan;
杨艳;
luo Yong;
罗勇;
Zhou Yi;
周毅;
Wang Rong;
王荣;
Wang Xinhui;
王新惠
- 《北京市水工环地质工作60年学术研讨会》
| 2015年
-
摘要:
中国地面沉降发育严重的长江三角洲、华北平原等地区,同时也是中国城市化快速推进的地区,二者之间的相互影响研究是未来地面沉降灾害防治和城市可持续发展的热点和难点.地面沉降造成的高程损失、建筑物破坏、高速铁路安全性降低、土地利用价值受损等灾害影响,给城市发展带来巨大的经济损失和严重的安全问题.城市快速发展,必将对水资源供给提出更高的要求,进而加剧地面沉降灾害的发展.本文以北京市为例,详细阐述其在城市发展历史进程中的城市规模、人口规模以及历年水资源利用情况,重点分析不同城市发展阶段城市用水量及用水结构特征、地下水资源超采量,以及相对应的地面沉降灾害发展情况,探索城市用水量与地面沉降发展二者之间的关系.基于上述研究,预测在现有城市发展规模及速度背景下,以北京为代表的中国北方缺水地区的地面沉降发展趋势,以及地面沉降与城市发展之间的相互影响程度,提出解决灾害防治与城市发展之间的矛盾的建议.
-
-
-
王鲜芳;
杜志勇;
潘丰
- 《第21届中国过程控制会议》
| 2010年
-
摘要:
针对传统吏叉验证方法确定SVR模型参数存在耗时过长的问题,利用贝叶斯置信框架推断SVR的模型参数.通过第一级推断确定支持向量机的权矢量ω和偏置项b,通过第二级推断确定模型确定不敏感系数ε、惩罚因子C,通过第三级推断得到核参数.然后利用该方法对某城市用水系统中用水量进行建模,预测结果表明该方法不仅能加快建模速度,而且提高了预测精度.
-
-
-
戴雪峰;
黄廷林;
王勇
- 《第三届中国中西部地区土木建筑学术年会》
| 2013年
-
摘要:
实现日用水量短期预测是进行供水系统优化调度的前提和基础,本文首先对日用水量时间序列进行了自相关性分析,以此为基础确定了神经网络的结构.然后,将小波分析引入到神经网络模型中建立了小波神经网络模型.实际预测结果表明,该模型具有较高的预测精度,预测值的最大相对误差为1.152%,平均相对误差为0.866%,与普通BP神经网络模型相比具有更高的预测精度,能够满足实际需要,为实现优化调度提供了保障.
-
-
戴雪峰;
黄廷林;
王勇
- 《第三届中国中西部地区土木建筑学术年会》
| 2013年
-
摘要:
实现日用水量短期预测是进行供水系统优化调度的前提和基础,本文首先对日用水量时间序列进行了自相关性分析,以此为基础确定了神经网络的结构.然后,将小波分析引入到神经网络模型中建立了小波神经网络模型.实际预测结果表明,该模型具有较高的预测精度,预测值的最大相对误差为1.152%,平均相对误差为0.866%,与普通BP神经网络模型相比具有更高的预测精度,能够满足实际需要,为实现优化调度提供了保障.
-
-
戴雪峰;
黄廷林;
王勇
- 《第三届中国中西部地区土木建筑学术年会》
| 2013年
-
摘要:
实现日用水量短期预测是进行供水系统优化调度的前提和基础,本文首先对日用水量时间序列进行了自相关性分析,以此为基础确定了神经网络的结构.然后,将小波分析引入到神经网络模型中建立了小波神经网络模型.实际预测结果表明,该模型具有较高的预测精度,预测值的最大相对误差为1.152%,平均相对误差为0.866%,与普通BP神经网络模型相比具有更高的预测精度,能够满足实际需要,为实现优化调度提供了保障.
-
-
戴雪峰;
黄廷林;
王勇
- 《第三届中国中西部地区土木建筑学术年会》
| 2013年
-
摘要:
实现日用水量短期预测是进行供水系统优化调度的前提和基础,本文首先对日用水量时间序列进行了自相关性分析,以此为基础确定了神经网络的结构.然后,将小波分析引入到神经网络模型中建立了小波神经网络模型.实际预测结果表明,该模型具有较高的预测精度,预测值的最大相对误差为1.152%,平均相对误差为0.866%,与普通BP神经网络模型相比具有更高的预测精度,能够满足实际需要,为实现优化调度提供了保障.