随着城市的不断发展,传统水资源管理方法在水资源的综合决策上所产生的问题越来越多,精确城市用水量预测是支撑城市用水量综合决策和管理调度的前提。近年来,国内外很多学者针对用水量预测做了大量研究,主要从三个方面入手:一是从用水量影响因素出发,建立关于用水量影响因素的数学模型进行预测;二是从历史数据出发,利用数据挖掘和数据分析方法根据样本数据建立数学模型,通过经验数据进行预测;三是从概率角度出发的不确定度推理方法,主要有Bayes方法、可能性理论、确定性理论、证据理论等一系列的推理模型。目前对于城市水资源的预测还没有一个普遍适用性的方法。本文首先对现有城市日用水量数据预测算法进行理论分析和推导证明,从用水量预测模型的普遍适用性和算法预测的实时性两个方面对比发现,证据理论在城市用水量预测上有独特的优势。从证据理论冲突系数出发进行改进,结合原有证据理论组合规则的改进方式,提出了一种基于全局冲突系数的证据理论组合规则。然后将改进的证据理论组合规则用于城市日用水量预测。本文主要研究工作如下:1.选取证据理论作为城市用水预测模型,研究悖论产生的来源,发现产生证据理论悖论的另一个因素。对比各类城市用水量的预测模型算法对比发现:证据理论在各类预测模型中所需要的样本数量最小,且证据理论在不确定推理中有优良数学特性和完善的不确定度推理理论。原有证据理论组合冲突证据时有悖于常理,本文从现有证据理论组合规则产生悖论的因素出发,通过举例论证,证明悖论主要来源于冲突系数的定义。提出从证据之间的冲突和焦元之间的冲突出发去定义冲突系数的思路。2.改进现有证据理论组合规则,提出一种基于全局冲突系数的证据理论组合规则。改进的组合规则重新定义冲突系数,推导出基于全局冲突的证据理论组合规则。改进的组合规则针对原有组合规则在冲突较大时组合结果有悖常理的情况,改进冲突系数的表达方式,从基本概率分配函数特性出发,推导得出新的证据理论则组合规则。分别从正常证据和冲突证据两个方面的组合结果与其他改进算法对比分析,证明本文的改进算法在处理冲突证据时有更好的稳定性和可信度积累能力,正常证据组合时有更好的收敛特性。3.建立证据理论城市日用水量预测模型,与其他预测模型对比预测结果。日用水量时间序列对预测之前的样本数据迭代更新,建立证据理论数据融合算法动态预测模型。分别利用改进的证据理论数据融合模型和支持向量机预测模型对日用水量进行预测,预测结果与实际用水量实例对比表明:证据理论数据融合算法需要样本量很少,受到历史数据的影响低,有更好的预测精度,更加适用于城市日用水量的预测。