用水量预测

摘要： 以编制《广州市供水系统总体规划(2021~2035)》为契机,对广州市近十年的用水量情况进行剖析,结合新一轮国土空间规划对广州市城市定位、人口规模等要求,考虑当前管网漏损控制等节水政策,采用城市综合用水量指标法、综合生活用水比例相关法、年增长率法、灰色模型模拟法分别对广州市近远期的最高日用水量进行预测,同时对11个行政区域的最高日用水量进行预测。

摘要： 在农村供水工程运行过程中,通过观察发现用水量呈现出一定的规律性,可将其作为水厂供水生产安排和管网运行状态检测的基础。在彭阳县农村供水工程实际监测数据基础上,对相邻数据进行了数据加权平滑处理,并进一步采用季节性自回归差分滑动平均算法进行了建模,对研究区域的用水量进行了预测。实验结果表明:农村供水工程中的用水数据的确具有周期性的变化规律,在消除周期性并进行一阶差分后序列满足平稳条件。运用SARIMA算法预测的结果,与实际数据对比误差较小,且满足在线实时计算的条件,可作为农村供水工程调度和检测的依据。

摘要： 为了准确预测高校用水量,基于灰色系统理论建立了高校用水量预测模型,确定了用水人数、占地面积、绿化率、管网有效供水率和节水器具普及率五个影响用水量的主要因素,并计算出各因素的灰色关联系数及关联度,对用水量预测模型进行求解。预测结果显示,排除学校放假影响因素,其他季度用水量预测值与用水量实测值相对误差小于5%,模型后验差比为0.089,预测结果与实际基本保持一致,模型预测精度良好。

摘要： 准确的用水量预测是响应国家高质量发展的重要抓手,也是城市水资源优化配置的基础。针对用水量序列存在波动性、灰色模型与所需因素存在线性关系等问题,提出了一种基于HP滤波分解的GM-LSSVR预测模型,即先采用灰色关联分析法筛选合适的用水量影响因素,再利用HP滤波分解法将筛选的用水量及影响因素分解为长期趋势序列和短期波动序列,最后通过GM-LSSVR组合模型来预测用水量。以郑州市为例,使用该模型预测2001-2019年用水量,并与GM(1,N)模型、BP神经网络模型的预测结果进行对比。结果表明,基于HP滤波分解的GM-LSSVR预测模型预测精度大大提高,具有可行性与实用性,可以较好地应用于城市用水量预测研究中。

摘要： 为了提高用水量预测精度,并且掌握各行业用水量比例。提出了相关性分析和多层感知器神经网络(MLP)耦合模型预测行业用水量,该模型首先利用相关性分析的方法筛选出对行业用水量影响较大的因子,再将主要因子数据输入到神经网络模型预测出行业用水量。进一步以地处干旱区域的宁夏回族自治区为例,提取2002—2016年主要影响行业用水的因子训练预测模型,以此模型预测2017—2020年的用水量并检验预测精度;预测结果显示,总用水预测值与实际值的多年相对误差均值仅为1.00%。最后使用该耦合模型对宁夏规划水平年2025年行业用水量进行预测,预测结果表明2025年宁夏总用水量有下降的趋势,这种变化趋势与自治区近几年大力推进节水型社会建设的政策相符合。

摘要： 为更加合理地利用水资源,保护水资源,对供水系统进行优化调度以及对用水量预测方法进行研究十分必要。本文提出了基于改进BP算法的用水量预测模型:首先介绍了BP神经网络的原理;然后设计了三层BP神经网络,利用改进的BP算法建立用水量预测模型,其自适应调整学习率,结合LM算法,引入动量因子,利用自主设计的训练函数对设计好的网络进行训练;最后对模型预测结果进行分析,并与标准BP算法进行对比。通过实验发现,该模型可对城市居民的日用水量进行合理预测,预测精度可达到相关要求。

摘要： 提出了一种基于堆栈稀疏自编码器的深度神经网络方法预测短期用水量。该方法首先通过堆栈稀疏自编码器以无监督学习的方式获得最优权重矩阵和偏差向量。然后,利用最优权重矩阵和偏差向量训练深度神经网络进行短期用水量预测。以某实际供水管网的时用水量数据为例验证所提方法的有效性。结果表明,与支持向量机和不含堆栈稀疏自编码器的深度神经网络相比,所提方法总体上具有更低的平均绝对百分比误差和均方根误差。

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。

摘要： 本文介绍了海口江东新区总体规划中的水资源优化配置工作,通过分析现状可利用水源条件,确定城市综合用水水源以南渡江为主,以外调水进行补充,农业灌溉用水以再生水为主,近期再生水水量不足时,以水库、地下水进行补充.本文同时指出,根据人口及用水、排水量变化,分阶段安排配置方案,突出重点水源和水厂工程建设,合理调配各类不同水源在不同用途的分配,是优化配置的关键.

摘要： 根据科技城污水尾水排放的现状,再生水可利用的途径等计算出再生水的需水量;根据再生水使用途径,确定再生水水质要求;对科技城再生水进行供需平衡分析,为该科技城再生水回用提供指导.

摘要： 针对港口控制性详细规划的特点,通过应用实例,分析对比了给水规划用水量的预测方法,并建议采用分类指标法进行用水量预测.

摘要： 应用BP神经网络模型进行预测时存在如何确定收敛精度的问题，即当收敛精度低时误差会增大，当收敛精度高时训练时间又过长甚至不能收敛。针对这一问题，提出了基于误差自回归校正的BP神经网络模型。首先根据网络训练时间和收敛情况确定一个合适的收敛精度，然后对误差用自回归模型进行校正，这不仅提高了预测精度，而且还缩短了训练时间。将该模型用于海河流域用水量预测中，结果表明该模型有较好的预测效果，平均相对误差达到1.89％，预测的海河流域2010年和2030年用水量将分别达到422亿m3和436亿m3，预测结果可为水资源管理和规划提供一定的依据。

摘要： 七年前对福建省邵武市用水量做了十年的预测,采用了线性相关分析得其回归线方程等六种方法。在十年规划期限将要结束时,对邵武市预测年内的实际用水量进行跟踪,并与预测用水量进行对比,从而找出一些用水量预测应考虑的因素和推荐较可行的方法。

摘要： 本文从H市给水管网系统改扩建工程的实际出发,运用灰色神经网络方法对城市中长期用水量进行了预测,建立了灰色神经网络GNNM(1,1)用水量预测模型,达到了在数据较少情况下提高预测精度的目的,编程实践证明是可行的。

摘要： 研究了城市用水本身规律。城市用水具有周期性、随机性、模糊性、趋势性等特点。城市用水量变化受众多因素影响，说明城市用水量预测的复杂性。详细介绍了国内近年来城市用水量预测方法的研究进展。可以看出，城市用水量预测模型从不同角度解决了用水量预测的实际问题。基于人工神经网络(ANN)的模型方法具有较好的预测效果，并得到广泛的应用。但是，由于城市用水和城市管网的复杂性和非线性，对城市用水量进行复杂性研究有待进一步发展。

摘要： 基于最小二乘支持向量机(LSSVM)良好的泛化能力和特点,以人民胜利渠灌区需水量为研究对象,选用径向基函数(RBF)作为核函数,建立了最小二乘支持向量机预测模型,对灌区需水量进行了模拟计算,用检验样本与灰色预测和基于RBF的神经网络模型的预测结果进行了比较,LSSVM预测的最大误差8.78％,平均误差4.90％。结果表明,最小二乘支持向量机模型有较高的预测精度和较强的泛化能力,可为灌区水资源规划提供科学依据。

摘要： 选煤厂用水量是选煤过程的一个重要参量,文章采用单一神经网络训练方法和神经网络集成同时训练方法,通过典型数据训练和现场应用,表明预测精度完全能够满足企业需要,可实现选煤厂日用水量的智能预测,为选煤过程的水量控制提供了依据.

摘要： 预测工作是水资源管理中掌握未来发展趋势的关键。考虑到用水序列的非线性特点,本文采用BP网络方法进行用水量的预测。以气温、节日量、阴晴量为模型的输入,以日用水量为模型的输出。实例分析说明,应用BP网络预测得到的日用水量数据达到较高的预测精度,具有较好的应用前景。

摘要： 本文首先在用水量预测的基础上，建立起管网调度数学模型，随后根据加速遗传算法的基本理论。通过对目标函数的改进，对算法步骤的改进，使得调度效果更好。最后，用工程实例验证该模型具有一定的实用价值。

摘要： 通过对城市小时用水量序列的分析,利用小波神经网络建立了城市小时用水量序列的预测模型,提出了求解模型的算法.小波神经网络法预测具有预测误差小、计算速度快的特点.仿真结果证明了该方法的有效性,能够满足供水系统优化调度的要求.

摘要： 本发明提供一种用水量监控方法，包括：接收累积用水量数据，并且取样累积用水量数据以产生对应于第一时间间隔的第一数据集和第二数据集；根据阈值过滤第一数据集和第二数据集以分别产生第一聚集数据集和第二聚集数据集；响应于第一聚集数据集与第二聚集数据集的取样时间差值超过第一时间间隔而根据第一聚集数据集和第二聚集数据集产生插补数据集；以及根据第一聚集数据集、第二聚集数据集以及插补数据集计算总用水量。

摘要： 本发明提供一种获得储水式电热水器洗浴用水量的方法，获取热水器的进水温度、进水质量和出水温度，获取用户洗浴用冷热混合水的混合温度，根据公式计算得到洗浴用水量并显示，Q混热水散失=Q混冷水吸收，Q混热水散失=C×M进水×（T出水‑T混合），Q混冷水吸收=C×(M混合‑M进水)×（T混合‑T进水）。本发明提供一种带有洗浴用水量功能的储水式电热水器，热水器进水端设有与单片机电连接的第一流量传感器、第一温度传感器及计时器，出水端设有与单片机电连接的第二温度传感器，热水器上设有显示屏且电连接单片机。采集热水器进水端水流量、温度和进水时间，以及热水器出水温度及用户洗浴用冷热混合水的混合温度，计算并显示洗浴用水量。

摘要： 本发明提供一种用水量监控方法，包括：接收累积用水量数据，并且取样累积用水量数据以产生对应于第一时间间隔的第一数据集和第二数据集；根据阈值过滤第一数据集和第二数据集以分别产生第一聚集数据集和第二聚集数据集；响应于第一聚集数据集与第二聚集数据集的取样时间差值超过第一时间间隔而根据第一聚集数据集和第二聚集数据集产生插补数据集；以及根据第一聚集数据集、第二聚集数据集以及插补数据集计算总用水量。

摘要： 本发明提供一种获得储水式电热水器洗浴用水量的方法，获取热水器的进水温度、进水质量和出水温度，获取用户洗浴用冷热混合水的混合温度，根据公式计算得到洗浴用水量并显示，Q混热水散失=Q混冷水吸收，Q混热水散失=C×M进水×（T出水-T混合），Q混冷水吸收=C×(M混合-M进水)×（T混合-T进水）。本发明提供一种带有洗浴用水量功能的储水式电热水器，热水器进水端设有与单片机电连接的第一流量传感器、第一温度传感器及计时器，出水端设有与单片机电连接的第二温度传感器，热水器上设有显示屏且电连接单片机。采集热水器进水端水流量、温度和进水时间，以及热水器出水温度及用户洗浴用冷热混合水的混合温度，计算并显示洗浴用水量。

摘要： 本发明公开了一种城市用水量预测模型，包括外壳、固定块、压板、连接杆和流通槽，所述外壳内壁安装有等距平行分布的固定块，所述外壳内壁两侧均插接安装有等距平行分布的进水管和排水管，所述固定块内部开设有限位槽，所述限位槽内部放置有处理器本体，所述固定块上端外壁一侧设置有压板，所述压板上端外壁两侧均开设有活动槽，所述固定块上端外壁两侧均安装有连接杆。本发明通过设置固定块、压板和流通槽，达到了便于冷却处理器本体和便于预测水量的效果，保证了处理器本体正常工作温度需要，使模型提高了用水量的预测精准度，利于城区区域水资源宏观调控。

摘要： 本发明涉及一种酒店建筑用水量的预测方法。其步骤如下：选取酒店样本，统计酒店样本的用水量、用水人数、建筑规模、建筑内水系统、建筑节水措施和其他相关信息；依据统计的数据情况，以酒店的用水量为因变量，其余统计内容为自变量，并对因变量数据进行预处理；对因变量与自变量进行相关性分析，确定影响酒店建筑用水量的因素；依据相关性分析结果，选择与因变量相关的自变量，采用稳健回归法，建立酒店建筑用水量预测模型；选取未用于建模的样本，验证酒店建筑用水量预测模型的预测能力，并确定其预测区间。本发明为公共建筑供用水系统发展提供了研究方向；帮助设计人员消除主观性和不确定性，提高了设计的科学性和合理性。

摘要： 本发明公开了一种随机森林和概率密度函数的供水管网用户用水量预测方法。此算法用于对供水管网用户用水量的预测，首先根据时间跨度内用户用水数据进行数据整理，然后通过用水量四分位数进行用水级别的划分，在通过随机森林进行用水级别的预测，最后通过概率密度函数法进行用水量的预测。发明通过相关实验验证了方法的有效性。

摘要： 本申请公开了一种热水器用水量的预测方法、热水器以及存储介质。该方法包括：获取热水器的历史用水耗电量；将热水器的历史用水耗电量输入至用水量预测模型中，并得到用水量预测模型输出的热水器的预测用水量；其中，用水量预测模型为预先采用训练用水事件对应的热水器的历史用水耗电量作为样本输入数据，采用训练用水事件对应的热水器的预测用水量作为样本输出数据，进行训练得到的。通过这种方式，能够提高预测准确性。

摘要： 本发明提供一种基于相空间重构和基因表达式编程的日用水量预测方法，包括如下步骤：采集供水管网的历史用水量数据，形成训练集；针对所述训练集中任意点，基于相空间重构方法计算互信息和虚假临近点获取最佳的延迟时间和嵌入维数，对训练集进行重构；用基因表达式编程模型对重构后的训练集进行训练，构建基于角度的收敛函数，训练直至收敛，最终得到用水量预测的函数式，利用所述函数式进行日用水量的预测。本发明提供的基于相空间重构和基因表达式编程的日用水量预测方法利用相空间重构方法有利于指导相关技术人员加强对供水系统的认知，同时可以快速的收敛到一个最优目标。

摘要： 本发明公开了一种基于时间序列的用水量预测方法、系统和设备，包括，获取历史水流量，建立实际数据集；采用预先优化的最小二乘支持向量机对所述实际数据集进行处理，得到预测的水流量时间序列；根据预测的水流量时间序列匹配到设定时间段内，得到对应的预测用水量。能够用来更加准确得预测用水量，使水厂维持蓄水池液位平衡，同时可以有效的减小水锤现象的发生。