论文部分内容阅读
供水系统是城市基础设施的重要组成部分。城市供水系统的短期需水量预测可以保证供水管网的用水量，以提高供水系统管理和供水服务质量。同时城市供水系统供水水源地水质预测也至关重要，建立准确有效的水质预测模型可以准确判定水体污染程度及未来发展趋势，为制定水环境保护政策和具体措施提供可靠依据。本文针对城市需水量与水质(以上海市为例)预测展开了深入研究，以模型驱动预测为基础，通过数据预处理，对预测模型进行设计、构建与优化，以提升其预测性能与精度。本文的主要研究内容和创新点包括：
1)针对城市小时级需水量预测，本文研究利用一种基于改进型引力搜索算法优化最小二乘支持向量机(AGSA-LSSVM)预测模型。首先采取基于混沌对立学习算法的种群初始化代替随机初始化，其次引入自适应惯性递减权值更新模型种群粒子位置变化的权重系数对引力搜索算法(GSA)进行了改进，最后采用改进型引力搜索算法(AGSA)优化LSSVM模型的正则化参数和核参数来实现城市小时级需水量预测。实例仿真分析表明，与传统小时级需水量预测模型相比，该预测模型具有更好的预测精度，呈现良好的综合预测性能。
2)针对城市天级需水量预测，本文研究利用一种基于混沌优化BP神经网络(COBP)预测模型。首先利用重构相空间的嵌入维数确定COBP网络的结构，然后通过混沌优化搜索，找到BP神经网络权值的全局最优值，最后对其输出的“尖点”预测值进行混沌参数控制，以实现城市天级需水量预测。实例仿真分析表明，与传统天级需水量预测模型相比，该预测模型预测结果整体误差的指标良好，呈现良好的综合预测性能。
3)针对节假日城市需水量预测，本文研究利用基于累积时差系数的天级原水需水量预测修正模型。该模型主要通过引入城市原水日需水量的时差系数分析来改善和优化原天级COBP预测模型。实例仿真分析表明，对于城市节假日需水量预测，该模型具有良好的预测修正精度，能够实现并提供更为精确的城市天级需水量预测。
4)针对城市供水天级水质预测，本文研究利用一种基于改进递归神经网络(RNN)结构的LSTM-RNN组合网络预测模型。该模型引入长短期记忆网络结构(LSTM)优化RNN的结构和其隐含层的连接权值和阈值。通过设置优化网络隐含层存储单元数目，网络模型结构层数，调节数据训练集时间窗口大小来实现城市供水天级水质预测。实例仿真分析表明，与传统天级供水水质预测模型相比，该预测模型的训练预测样本逼近精度高且泛化能力强，呈现良好的城市供水天级水质综合预测性能。
1)针对城市小时级需水量预测，本文研究利用一种基于改进型引力搜索算法优化最小二乘支持向量机(AGSA-LSSVM)预测模型。首先采取基于混沌对立学习算法的种群初始化代替随机初始化，其次引入自适应惯性递减权值更新模型种群粒子位置变化的权重系数对引力搜索算法(GSA)进行了改进，最后采用改进型引力搜索算法(AGSA)优化LSSVM模型的正则化参数和核参数来实现城市小时级需水量预测。实例仿真分析表明，与传统小时级需水量预测模型相比，该预测模型具有更好的预测精度，呈现良好的综合预测性能。
2)针对城市天级需水量预测，本文研究利用一种基于混沌优化BP神经网络(COBP)预测模型。首先利用重构相空间的嵌入维数确定COBP网络的结构，然后通过混沌优化搜索，找到BP神经网络权值的全局最优值，最后对其输出的“尖点”预测值进行混沌参数控制，以实现城市天级需水量预测。实例仿真分析表明，与传统天级需水量预测模型相比，该预测模型预测结果整体误差的指标良好，呈现良好的综合预测性能。
3)针对节假日城市需水量预测，本文研究利用基于累积时差系数的天级原水需水量预测修正模型。该模型主要通过引入城市原水日需水量的时差系数分析来改善和优化原天级COBP预测模型。实例仿真分析表明，对于城市节假日需水量预测，该模型具有良好的预测修正精度，能够实现并提供更为精确的城市天级需水量预测。
4)针对城市供水天级水质预测，本文研究利用一种基于改进递归神经网络(RNN)结构的LSTM-RNN组合网络预测模型。该模型引入长短期记忆网络结构(LSTM)优化RNN的结构和其隐含层的连接权值和阈值。通过设置优化网络隐含层存储单元数目，网络模型结构层数，调节数据训练集时间窗口大小来实现城市供水天级水质预测。实例仿真分析表明，与传统天级供水水质预测模型相比，该预测模型的训练预测样本逼近精度高且泛化能力强，呈现良好的城市供水天级水质综合预测性能。