论文部分内容阅读
随着经济水平的飞速发展以及人们生活水平的日益改善,资源的消耗也在逐渐加剧,而资源的总量是有限的,也导致了各种资源分配的问题,其中水资源的矛盾是这些问题中尤为突出的问题。水资源分布不均匀、各地区对水资源需求不同等因素造成目前各地区的水资源供求矛盾日益凸显,因此水资源的合理分配利用就显得尤为重要。为了缓解这些矛盾,满足人们对用水的需求,就需要对供水进行合理的规划设计。而在供水网的系统中,供水量应当是根据人们的水需求量而定,因此应对人们的用水量作出准确高效的预测并对水资源的使用分配进行合理调度。正确的预测和高效的分配有助于供水、利用水、节水,也有助于合理规划,推动水网系统的有效运用。本文提出结合小波分解的稀疏深度置信网络区间预测水需求量的方法,根据历史的用水数据来预测未来一段时间的水需求量。而大部分的水需求预测方法一般直接对水需求量进行预测,但其实水需求量也是具有一定的规律性,发现并挖掘出这些规律对其预测具有极大的帮助。因此,本文利用小波变换将用水量数据进行分解,得到其隐藏的周期项、趋势项及随机项,使得预测过程更加直观,对模型的预测训练也更加高效,同时对于校园内的日常用水变动范围也有很精确的预测,其精度能达到95%以上,能够为后续水资源的优化调度提供可靠依据。具体来说,首先提出了水需求量预测的方法,介绍了经典的水需求预测方法及存在的相关问题,然后为克服这些缺点,提出了结合小波分解的稀疏深度置信网络,对水需求量进行分解,利用置信水平进行区间预测,同时也与以往经典的水需求预测方法进行了比较。对最终的预测结果进行分析可得,需水量预测值曲线与实际用水量数据基本拟合,同时相对误差平均值也被控制在2%以内,最大误差仅为4.2%,可以看出,我们提出的方法对于用水量的预测较为准确,也不会出现较大的偏差。随后,在准确的水需求量预测的基础上进行用水调度,首先建立水资源调度的数学模型,确定了人口目标、水环境目标等综合性函数为目标函数,以供水量、水需求量、用水费用等的限制作为模型约束条件,利用提出的双并行遗传算法来优化得到供水泵的参数,实现对用水的优化调度。这种算法优化得到的水资源分配方法不仅能满足教师和学生日常的用水需求,还能实现对有限水资源的合理分配,减小供水压力,满足更多人的用水需求。通过优化得到的水资源的分配方法,与传统的用水方法相比,不再一味满足人们对于水量的单一需求,反而考虑更加广泛,既能满足当前需要,也能使有限水资源产生更多价值,也能够避免由于供水充足而引起人们对水资源的不重视和浪费水资源的问题。另外,通过在管道中安装节水装置,在利用双并行遗传优化算法进行优化用水配置后进一步实现水资源的优化利用。最后经过校园真实用水数据表明,这种结合小波分解的稀疏深度置信网络校园需水预测及双并行遗传优化算法的用水分配方法对于水资源的分配是准确且可靠的,为水资源的有效利用提供了有利的技术支持。