一种预测月尺度生活需水量的方法技术

一种预测月尺度生活需水量的方法，属于水资源水量调配领域。具体包括以下步骤：S1构建生活需水特征评价评价指标体系；S2构建预测模型集；S3制定各生活需水评价分区最优预测方法；S4筛选月尺度生活需水关键影响因子，为多元回归法与前馈神经网络模型提供基础；S5月尺度生活需水预测。上述的S1包括：S1

【技术实现步骤摘要】
一种预测月尺度生活需水量的方法


[0001]本专利技术一种预测生活需水量的方法，尤其是涉及一种预测月尺度生活需水量的方法，属于水资源水量调配领域。

技术介绍

[0002]年调节或多年调节的供水工程，其年内的水量分配需要根据需水量预测进行调度，尤其是年调节的工程，需要月尺度的需水量预测。
[0003]现有技术中，生活需水预测研究多致力于提高需水预测精度而不断改进预测算法，且多为年尺度预测，缺乏针对地区需水变化规律和需水特征分析的月尺度需水预测系统性方法。
[0004]近几十年来，水资源的规划管理开始得到重视，越来越多的专家和学者在考虑用水量内在规律到用水量影响移速的多因素取得了较好的研究成果。英国的Leonid等建立了城市短期用水量预测模型，预测马德里等城市的生活用水和工业用水，预测结果表明模型具有一定的实用性。May等考虑了人口等5个用水量驱动因子，建立了用水量与驱动因子的对数和半对数回归模型，预测一些城市的中长期用水量，取得了良好效果；Richad等将气温和降水量等自然气候因素考虑在内，并提出了非线性回归模型。Zhou等、Levi等建立了时间序列预测模型与逐步回归模型，预测城市的日用水量，结果表明模型的预测精度很高，用逐步回归法建模所需时间较少。Day和Howe考虑非气候因素，对最高日用水量进行预测，精度较高。2003年，Joseph等将雨天天数考虑在内的基础上建立了Water GAP2用水量预测模型，并分别预测农业、工业和生活用水量，预测效果良好。Hossein D等在研究干旱区用水量和蒸发蒸腾量的基础上，提出了适合于干旱区的用水量预测模型。另外，还有一些专家学者如Jain、Gistau、Lindell、Mordechai和Uri等也在用水量预测方面都做了大量的探索和研究。
[0005]国内开始进行需水量的预测研究比较晚，早期我国在进行用水量预测是主要使用经验法，即根据研究人员已有的实践经验和现有的资料进行预测。自70年代以来，随着一些更加科学的用水量预测的统计分析方法的出现，对经验法的使用逐渐减少，越来越多的学者相继提出了许多基于新兴理论的方法进行短期用水量的预测。时间序列预测法、回归分析预测法、灰色预测法、人工神经网络法以及组合模型等一些更加科学的现代预测方法的出现，使得对城市用水量预测的研究登上一个新的台阶，目前的研究主要集中在各种不同的条件下适用的预测模型的探索上。陈兰川等采用趋势外推法、指数平滑法、成长曲线法对用水量进行预测，3种时间序列预测法在浙江省万元GDP用水量预测中效果良好，为浙江省水利发展提供了依据；黎杰等运用ARIMA模型进行黄山用水预测，结果表明ARIMA模型在2012年上半年用水预测中取得较好效果；郭磊等采用二元回归模型、分项相关性方法进行对比预测方法研究，得出二元回归模型预测结果偏小，而常用的分项水量预测法结果偏稳定；李琴等采用回归分析法、BP人工神经网络对宝鸡市2012
‑
2020年各行业用水量进行预测中取得较好效果；张少杰等采用主成分回归模型预测，结果表明主成分回归模型在水需求预测中的应用比多元线性回归模型更加准确，且更符合实际用水量；邓丽娟等采用灰色GM
(1,1)模型预测用水量，得出该灰色模型用于城市用水量预测结果与当地实际情况比较吻合；周艳春等采用BP人工神经网络模型预测城市用水量，结果表明BP神经网络模型在城市用水量预测中具有可靠性；严旭等将BP人工神经网络模型修正，并将预测模型应用于深圳市水务公司，结果表明该模型具有可靠性和适用性；高学平等采用主成分分析法与RBF神经网络组合模型预测，结果表明该模型的相对误差平均值在训练和预测阶段均最小，对城市区域水资源规划具有参考价值。
[0006]现有的生活需水量预测方法众多，主要分为三类：
①
定额定量法；
②
以时间序列为基础的模拟预测方法；
③
基于影响因子的模拟预测方法。定额定量法是根据地方生活用水定额标准进行预测的，具有较强的适用性和权威性，但由于标准具有一定范围，定额的选取易受人为因素影响，因此该方法的客观性不足，缺乏物理机理。以时间序列为基础的模拟预测方法是通过对历史生活用水数据模拟训练后进行未来需水预测的，科学性更强，一般预测精度较高；但对于周期性变化规律较弱的用水序列模拟效果较差，存在物理机理不足等缺点。基于影响因子的模拟预测方法是通过生活需水影响因子与生活需水的函数关系进行需水预测的，能够解释需水变化的机理成因，往往预测精度较高，但由于以大量影响因子数据为基础，因此工作量大，计算复杂。
[0007]目前的生活需水预测时间尺度主要集中于年尺度的探索，随着水资源开发利用程度的加强和保护需求的提高，年尺度的需水预测在时效性和精细化程度上均难以支撑日益迫切的水资源精细化管理要求，因此本专利技术提出了月尺度生活需水预测。

技术实现思路

[0008]本专利技术的目的在于公开一种预测月尺度生活需水量的方法，具体包括以下步骤：
[0009]S1：构建生活需水特征评价指标体系，
[0010]S1
‑
1：选取生活需水特征评价指标。采用层次分析法，从影响生活需水的社会发展、自然资源、技术进步等方面，按照层次关系，初步分解出构成生活需水的影响因素。并基于筛选评价指标的代表性、科学性和可操作性原则，选取生活需水量、人均生活需水量以及生活需水比重分别作为表征地区生活需水总量、需水水平和需水结构的评价指标。
[0011]S1
‑
2：制定评价指标分级阈值。根据相关资料确定不同指标的评价标准，将各需水类型的量化影响因素进行分级，用于实现系统目标的定量化表示及比较评价。体系将三个指标划分为Ⅰ级至
Ⅴ
级，同时确定了相应的评价阈值，见表1。
[0012]表1生活需水特征评价指标与分级标准
[0013][0014]S1
‑
3：计算生活需水评价总值，定量评价生活需水情况。利用AHP法对步骤一中筛选出的评价指标进行重要性评价，确定需水总量、需水水平以及需水结构的计算权重，并对
评价目标分级结果进行赋值，Ⅰ级至
Ⅴ
级分别对应整数数值1至5，根据熵权法和指标权重计算生活需水评价总值，并根据表2进行生活需水特征评价分区。
[0015]表2区域生活需水特征评价分区标准
[0016]分区A区B区C区D区E区生活需水评价总值[1.50，2.25](2.25，3.00](3.00，3.75](3.75，4.50](4.50，5.75][0017]S2：构建预测模型集。选取了在水资源预测领域应用广泛且预测效果良好的预测方法，由此构建生活需水预测模型集。包括：多元回归分析法、BP神经网络模型、前馈神经网络模拟模型。
[0018]S3：制定各生活需水评价分区最优预测方法。将步骤三中生活需水评价总值分为A区至E区五个等级，制定最符合该地区生活需水特征的预测方法。结果如下：
[0019]A区最佳预测方法为前馈神经网络模型预测法；B区本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种预测月尺度生活需水量的方法，其特征在于：所述的方法包括如下步骤：S1构建生活需水特征评价评价指标体系；S2构建预测模型集；S3制定各生活需水评价分区最优预测方法；S4筛选月尺度生活需水关键影响因子，为多元回归法与前馈神经网络模型提供基础；S5月尺度生活需水预测；所述的S1包括：S1
‑
1选取生活需水特征评价指标；S1
‑
2：制定评价指标分级阈值；S1
‑
3：计算评价总值，定量评价生活需水情况。2.根据权利要求1所述的一种预测月尺度生活需水量的方法，其特征在于：所述的S1
‑
1选取生活需水特征评价指标，是指：选取生活需水量、人均生活需水量以及生活需水比重分别作为表征地区生活需水总量、需水水平和需水结构的评价指标。3.根据权利要求1所述的一种预测月尺度生活需水量的方法，其特征在于：所述的S1
‑
2制定评价指标分级阈值，是指：将各需水类型的量化影响因素进行分级，用于实现系统目标的定量化表示及比较评价，将评价指标：生活需水量、人均生活需水量以及生活需水比重划分为Ⅰ级至
Ⅴ
级，同时确定相应的评价阈值。4.根据权利要求1所述的一种预测月尺度生活需水量的方法，其特征在于：所述的S1
‑
3计算生活需水评价总值，定量评价生活需水情况，是指：利用AHP法对S1
‑
1中筛选出的评价指标进行重要性评价，确定需水总量、需水水平以及需水结构的计算权重，并对评价目标分级结果进行赋值，Ⅰ级至
Ⅴ
级分别对应整数数值1至5，根...

【专利技术属性】
技术研发人员：陈星，许钦，袁缘，蔡晶，张伊佳，张其成，徐慧，欧阳如琳，关铁生，向龙，马涛，史书华，陈正雷，高勋，叶鸣，郑皓，王文仲，孙晓敏，邓晰元，金君良，张珂，
申请(专利权)人：水利部交通运输部国家能源局南京水利科学研究院，
类型：发明
国别省市：