（计算机应用技术专业论文）城市需水量的预测研究.pdf

摘要 摘要 随着城市人口的日益增加和经济的高速发展，城市需水量越来越大，现有水资 源和供水设施不能满足城市用水量的需求，供需矛盾日益突出。要解决用水紧张 问题，必须从开源和节流两方面进行研究，进行供水、用水和节水规划，指导城 市的远期供水设施建设。而所有这些工作都要以城市需水量预测为基础。因此需 水量预测对一个城市供水设施的发展具有极其重要的意义。 城市需水量可分为工业需水量、农业需水量、生活需水量、市政公共需水量四 个方面。本文通过分析某市经济发展状况、气象水文以及历年供水资料，对该市 用水情况进行结构分析，并对各类用水的影响因子进行比较深入的研究。借助 s p s s 软件进行因子相关性分析，最后筛选出电力行业产值、电厂用水重复率、农 林牧渔业总产值、市人均可支配收入、全市总人口、人均g d p 等六个因子作为城 市需水量的预测因子。 b p 网络是一种误差反向传播的人工神经网络，它只需采用一个单隐层就可 以逼近任何一个连续函数，这种非线性特性使其在预测领域得到广泛的应用。 然而传统的b p 算法具有易陷入局部极小值、训练速度慢、泛化能力不强、隐含 层节点数难确定等弱点。本文在深入分析b p 算法缺陷产生原因的基础上，对其 性能进行了改进。 m a u a b 是支持从概念设计、建模仿真到实时实现的理想环境。具有编程效率高、 绘图功能强、数据可视化方便、矩阵和数组运算效率高等特点，加之丰富的b p 神经网络专业工具箱、快捷的图形界面开发功能使得它非常适合开发信息系统。 综合上述思想，本文采用改进的b p 算法建立了城市需水量的b p 神经网络预 测模型，给出了模型的求解算法，并对规划年作出预测。预测结果表明，改进的 b p 神经网络预测模型的预测精度是很高的，可以满足城市供水规划对需水量预测 精度的要求。 本文最后以m a t l a b 为平台开发了需水量预测系统，该系统具有良好的实用价 值，也提供了一种简单高效的软件开发思路，对于给排水系统其它优化软件的开 发也具有很好的参考价值。 关键词：需水量预测；用水结构；s p s s ：b p 神经网络；改进；m a t l a b 安徽理工大学硕士学位论文 a b s t r a c t a st h ep o p u l a t i o no fc i t yi n c r e a s e sa n dt h ee c o n o m yd e v e l o p sr a p i d l y , w a t e r d e m a n db e c o m e sm o r ea n d m o r el a r g e t h ee x i s t i n gw a t e rr e s o u r c ea n df a c i l i t i e sc a n t m e e tt h ef u t u r ed e m a n d t h ec o n t r a d i c t i o nb e t w e e ns u p p l ya n dd e m a n di sb e c o m i n g m o r ea n dm o r er e m a r k a b l e i no r d e rt oc h a n g et h ep r e s e n ts e r i o u ss i t u a t i o n , f m d i n g n e ww e l l s p r i n ga n ds a v i n gw a t e rm u s tb em a d et oi n s t r u c tt h ef a rf u t u r ew a t e r s u p p l y i n gi n f r a s t r u c t u r ec o n s t r u c t i o n h o w e v e r , a l lt h e s ep r o g r a m sa r eb a s e do nc i t y w a t e rd e m a n df o r e c a s t t h u s ，w a t e rd e m a n df o r e c a s tc a r r i e sa ni m p o r t a n ts e n s e t o w a r d st h ed e v e l o p m e n to fw a t e rf a c i l i t i e si nc i t y t h eu r b a nw a t e rd e m a n df o r e c a s t i n gc a nb ed i v i d e di n t of o u rp a r t s ：i n d u s t r i a lw a t e r d e m a n d 、a g r i c u l t u r ew a t e rd e m a n d 、l i f ew a t e rd e m a n da n dm u n i c i p a lw a t e rd e m a n d s t r u c t u r ea n a l y s i sa b o u tw a t e rd e m a n di sc o n d u c t e d , b a s e do nr e s e a r c h i n gt h eh i s t o r y a n de c o n o m yo fac i t y a n dr e l a t e df a c t o r sf o rw a t e rd e m a n da r es t u d i e dd e e p l y u n d e r t h eh e l po fs p s ss o f t w a r e ，c o r r e l a t i o na n a l y s i so ff a c t o r si sm a d ea n ds i xf a c t o r sa r e c h o s ea st h ec r i t i c a lf a c t o r so f c i t yw a t e rd e m a n df o r e c a s t b pn e t w o r k ( n a m e l y , b a c k - p r o p a g a t i o nn e t w o r k ) i sak i n do fa r t i f i c i a ln e u r a l n e t w o r k s i tc a na p p r o a c ha n yc o n s e c u t i v ef u n c t i o n , j u s td e s i g n e d 、析lo n eh i d d e n l a y e r t h i sn o n l i n e a rc h a r a c t e rm a k e si tg a i naw i d ea p p l i c a t i o nr o o mi nf o r e c a s t i n g f i e l d h o w e v e r , t h et r a d i t i o n a lb pa l g o r i t h m sh o l d sm a n yd r a w b a c k s ，s u c ha s ：b e i n g p r o n et of a l l i n t oal o c a lm i n i m b m 、t r a i n i n gw i t has l o ws p e e d 、b e i n gp o o ri n g e n e r a l i z i n g 、b e i n gh a r dt od e c i d et h en u m b e ro fh i d d e nl a y e ru n i t s t h i sp a p e rm a k e s a ni m p r o v e m e n tf o rb po nt h eb a s i so ft h ea n a l y s i so fd e f e c tr o o t m a t l a bs o f r w a r ei sa ne x c e l l e n td e v e l o pe n v i r o n m e n tw h i c hs u p p o r t ss y s t e m s b u i l d i n gf r o mc o n c e p t i o nd e s i g n 、b u i l d i n gm o d e l 、s i m u l a t i o nt or e a l i z a t i o n 、析mr e a l t i m e i ti sa l s oc h a r a c t e r i z e d 硒m a n ym e r i t s ，s u c ha s ：p r o g r a m m i n gr a p i d l y , p o w e r f u l d r a w i n gp e r f o r m a n c e ，b e i n ge a s yt ov i s u a l i z e 、e x p r e s so p e r a t i o n ( e s p w h e no p e r a t i n g 诵la nm a t r i xo ra na r r a y ) i na d d i t i o n , p o w e r f u lb pn e t w o r kt o o l b o xa n de x p r e s s i n t e r f a c eb u i l d i n gm a d e 孤a d v a n c e di m p u l s ef o ri tt o w a r d si n f o r m a t i o ns y s t e m d e v e l o p b a s i n go na l lc o n s i d e r a t i o n sa b o v e ，t h i sp a p e rb u i l d sa nu r b a nw a t e rd e m a n d f o r e c a s t i n gm o d e l 诚mb pn e t w o r k 、o f f e r si t ss o l u t i o na n dc o n d u c t sa np r e d i c t i o nf o ra 摘 要 s c h e d u l ey e a r t h ee x p e r i m e n t a lr e s u l t ss h o w e dt h a tt h i sm o d e lo w n e d ah i g hp r e c i s e v a l u et o w a r d sp r e d i c t i o na n dc a nm e e tp r e d i c t i o n sd e m a n di nu r b a n w a t e rp l a n n i n g f i n a l l y , a nu r b a nw a t e rd e m a n df o r e c a s t i n gs y s t e mi sd e v e l o p e d0 1 1ap l a t f o r mo f m a t l a b t h es y s t e m , w h i c hh o l d sm a n ye x c e l l e n tp r a c t i c a lv a l u e s ，a l s oo f f e r sa l ls i m p l e a n de f f e c t i v ew a yf o rs o i t w a r ed e v e l o pa n dp o s s e s s e ss o m eg o o di n s t r u c t i o n st o w a r d s o t h e ro p t i m i z i n gs o f t w a r ei nw a t e rs u p p l ya n dd r a i n a g es y s t e m k e y w o r d s ： u r b a nw a t e rd e m a n df o r e c a s t ；w a t e rs t r u c t u r e ；s p s ss o f t w a r e ；b pn e u r a l n e t w o r k s ；i m p r o v e ；m a t l a b 独创性声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及 取得的研究成果。据我所知，除了文中特别加以标注和致谢的地方以外， 论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得 塞徼堡王太堂或其他教育机构的学位或证书而使用过的材料。与我一 同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并 表示谢意。 学位论文作者签名：翅鏖堡日期：砰j 月日 学位论文版权使用授权书 本学位论文作者完全了解塞邀堡王太堂有保留、使用学位论文 的规定，即：研究生在校攻读学位期间论文工作的知识产权单位属于 塞煎堡王太堂。学校有权保留并向国家有关部门或机构送交论文的 复印件和磁盘，允许论文被查阅和借阅。本人授权安徽理工大学 可以将学位论文的全部或部分内容编入有关数据库进行检索，可以采 用影印、缩印或扫描等复制手段保存、汇编学位论文。( 保密的学位 论文在解密后适用本授权书) 学位论文作者签名：俪窿华 签字日期：加7 年万肜日 导师签名0 亟砰珈 签字日期：冲月歹日 第l 章绪论 1 1 选题背景和意义 第1 章绪论 水资源紧张一直是世界性问题。据水文地理学家估算：地球上的水资源总量约 为1 3 8 亿立方公里，其中9 7 5 是海水。淡水只占2 5 ，其中绝大部分为极地 冰雪冰川和地下水，适宜人类享用的仅为0 0 1 。我国水资源总量为2 8 万亿 m 3 ，按1 9 9 7 年人口统计，人均水资源量为2 2 2 0 m 3 ，预计到2 0 3 0 年人口增至1 6 亿时，人均水资源量将降到1 7 6 0 m 3 。按国际上一般承认的标准，人均水资源量 少于1 7 0 0 m 3 即为用水紧张的国家。据2 0 0 7 年相关统计，国内6 6 0 个城市中，有 4 0 0 个正受到水资源缺乏的威胁【l l ，水资源供需矛盾日益加剧。要解决用水紧张 问题，必须从开源和节流两方面进行研究，进行供水、用水和节水规划，指导城 市的近期、远期供水建设。而需水量预测又是供水节水规划的基础，因此对城市 未来需水量的预测已成为水资源规划与管理的一项重要课题。 在能耗方面，我国给水企业每年用电逾4 0 亿度，各城市供水企业均是当地最 大的用电单位之一。在每个供水企业里，供水电耗占供水总成本的5 0 以上，有 的甚至超过7 0 。若全国给水系统节电5 ，我国每年将可节电2 亿度以上 2 1 。 降低供水电耗不仅可以缓解国家能源紧张的局面，而且可以提高自来水供水企业 的经济效益。因此，在保证服务供应的前提下，如何有效地将如此大的水量用较 低的费用送到用户，对自来水供水行业来说是一次大的挑战。而准确地预测城市 的需水量，可以指导城市给排水系统的合理规划，合理分配不同区域的用水量， 这对于大幅度降低供水电耗，具有重大的作用p j 。 在人们的日常生活中，对城市供水系统的短期需水量预测，可以保证管网用水 量，保证用户在通常的生活工作习惯下对水量、水压在不同时段的不同要求，以 提高供水系统管理和供水服务质量。 对水厂而言，需水量作为优化调度的基础，对供水系统调度具有重要的指导作 用，为输配水系统的优化调度提供依据；为了保证供水水质，生活用水不能储存 过久，要求生产、输送、分配调度和用户用水同时进行。因此，通过需水量预测 能使产水、用水达到平衡。 此外，科学而准确地预测城市未来的需水量对减少供水设施建设的投资额、提 高人们对未来水资源紧缺的忧患意识都具有相当重要的意义。 1 2 国内外研究现状 城市需水量预测就是根据城市历史用水量数据的变化规律，并考虑社会、经济 等主观因素和天气等客观因素的影响，利用科学的，系统的或经验的数学方法， 在满足一定精度要求的条件下，对城市未来某时间段内的需水量进行预测。城市 需水量预测，按需水量预测时间的长短，以及供水系统的需要可分为长期、中期、 短期需水量预测幽j 。中长期预测是根据城市经济的发展、人口的增长、工业生 产能力的提高以及旅游、教育、卫生事业的发展等多方面因素，对未来整个城市 的需水量做出预测。一般说来，长期预测可长达6 1 0 年，甚至更长，用来做给 水系统长期规划；中期预测通常为l 5 年，通常指未来几年内按年进行需水量预 测，用来做给水系统的近期规划；城市短期需水量预测是指一年之内，按月、按 安徽理工人学硕十学位论文 天或按周来进行需水量预测，或一天内按小时的预测，通常预测未来的一个月、 未来一周、未来一天的需水量或预测未来一天2 4 h 的需水量。本文主要介绍需水 量的中长期预测。 自从上个世纪五十年代以来，世界各国社会经济快速发展，人口激增，城市 化加快，人民生活水平不断提高，世界总用水量也随之迅速增长。为应付日益增 长的用水需求，许多国家开始把水资源管理纳入政府部门的职能。同时，规划管 理部门也开始把需水预测作为计划工作的手段，以期达到宏观调控水资源供需矛 盾的目的。美国一些州，如加利福尼亚州在1 9 5 6 年就开始这项预测工作，随后 根据实际用水情况对预测成果多次修改。日本从上世纪六十年代开始，每十年进 行一次国土规划，把需水预测作为规划的一个依据。英、法、荷兰、加拿大等国 也逐步开展需水预测工作，作为宏观管理或制定政策的手段。1 9 7 9 年我国水文 和水资源规划部门着手组织全国水资源评价工作，于1 9 8 6 年完成，同时提出了 中国水资源利用研究报告，其中将水资源供需专列一章1 4 1 。 在这期间，国内外许多专家、学者在用水量预测方面作了大量的研究和探讨， 如英国的l e o n i ds h v a r s t e l ，m o r d e c h a if e l d r m a n 等人建立模式识别模型进行短期 用水量预测，将生活用水和工业用水分别预测，应用于马德里等城市，取得较好 的效果；澳大利亚的s l z h o u a , t a m c m a h o n , a w a l t o n , j l e w i s 等建立了时间序 列预测方法用于m e l b o u r n e 的日用水预测，并取得了很好的效果p j ；s l z h o u , t a m c m a h o n 建立的时间序列模型将日用水量和时用水量模型进行了对比1 6 j ； m a y 等将水价、人口、居民人均收入、年降雨量等作为相关因子，建立了中长期 用水量与相关因子间的对数和半对数回归模型，该模型在美国t e x a s 州中长期用 水预测中，获得了满意的效果 7 1 ；b r e k k e ，l e v i 等人用逐步回归法进行用水量预 测，它比用重回归分析法建立模型所需时间少垆1 ；j a i l l ，a s h u ；o r m s b e e ，l i n d e l le 对8 种模型分别进行了评价，对短期用水量进行了预测，并用最高同用水量，最 高温度日的r 用水量及全天下雨时的日用水量进行了测试、检验 9 1 ；d d a ya n d c h o w e 分析了对最高日用水量产生影响的非气候因素，并对最高日用水量进行 了预测【1 0 1 ；g i s t a u f l l j ，l e o n i ds h v a r s t e l ，u r i s h a m i r 和m o r d e c h a if e l d m a n 1 2 l 等学者 均作了大量的实践研究工作。 国内许多学者将许多预测的计算方法应用于用水预测中。在算法方面，时间序 列分析、灰色模型预测、b p 神经网络相对比较完善。如：张洪国、赵洪宾、袁 一星、徐洪福等均对灰色模型进行了深入的研究并把它成功地应用到哈尔滨、牡 丹江、郑州和大连的年用水量预测中，均取得了好的结果【1 3 , 1 4 ；周建华l l 引、兰宏 娟【1 6 】等对时间序列分析进行了深入的研究，并把它用到城市同用水量预测中， 取得了很好的结果；吕谋等建立了城市用水量预测实用动态模型【l ；王彬，穆 瑞林【1 8 。2 0 】等人对分类预测作了许多工作。 城市需水量预测是一项极其复杂的工作，涉及的因素较多，其主要研究内容 包括工业需水、农业需水、居民生活需水、市政公共用水和总需水量预测等。可 以看出，需水量预测直接与人口、工业发展、农业发展、人民生活水平和技术条 件等诸多因素密切相关。在需水量预测方面，常见的传统预测模型有单耗法、趋 势外推模型、弹性系数法、回归分析模型、时间序列模型、灰色模型、专家系统 模型以及优选组合和分类预测模型等。在这些方法中部分存在随着预报期的增 长，误差明显增大甚至失去预测价值。其重要原因之一是预测模型只能静态或半 静态地简单考虑几个甚至不考虑社会因素对用水量的影响，把用水量系统的的未 来看成了一种简单系统的延续，割裂开了实际上对用水量有极大影响的许多因素 2 第1 章绪论 的作用。这些影响需水量的因素包括：、社会经济因素，如人口、经济结构、 规模的变动；、用水效率因素，如工业用水复用率、万元产值取水量、中水回 用、污水资源化等；、供水事业发展，如供水能力及漏失量控制等；、自然 资源因素。如水资源总量、可开采量、温度、降水量、径流量等的变化。 对于社会问题的预测，总不可避免地要与社会诸多“变量 ( 因素) 溶为一体， 才能做到客观、实际地考察、分析、研究、预测。而目前解决这个问题较为有效 的办法之一就是利用神经网络原理，通过网络的学习达到预测的目的【2 l j 。 袁一星、兰洪娟【冽等对b p 神经网络进行研究后，采用一个隐层，4 0 个网络 节点数，把它应用到天津的月用水量预测中；刘洪波、张宏伟等采用一个隐层、 1 2 个隐层单元、2 4 个输出对华北某市的时用水量进行了预测田1 ；单金林、戴雄 奇等均对b p 神经网络进行了较深入的研究，并把它应用到某市的日用水量预测 中 2 4 1 i b p 神经网络算法结构简单，易于实现而且计算速度快，但其自身也存在一些 缺陷和不足，主要包括以下几个方面的问题。 l 、b p 算法是用梯度法导出的，因此优化过程可能陷入局部极小值，网络训练 的质量没有保证。 2 、由于学习速率是固定的，因此，网络的收敛速度慢，需要较长的训练时间。 3 、学习的目标是分类误差应对所有可能的的样本都达到极小，而推导出b p 算法的目标函数是经验风险，它只能保证分类误差对于有限个样本是极小，因此 b p 网络的泛化能力不强。 4 、神经网络的结构设计( 例如隐含层的层数和节点数的选择) 过分依赖于设 计者的先验知识和经验或者需通过反复试验才能确定，缺乏一种有效的理论依据 和严格的设计程序。 5 、网络的学习和记忆具有不稳定性。也就是说，如果增加了学习样本，训练 好的网络又需要从头开始训练，对于以前的权值和阈值没有记忆】。 1 3 城市需水量预测方法综述 1 3 1 数学预测方法 由于用水系统的复杂性，无法建立一个确定模型对它进行描述，所以绝大 多数需水量预测方法都是建立在对历史数据的统计分析基础上，不同的只是数据 处理方式及应用特点。根据对数据处理方式的不同，需水量预测的数学方法大致 可以分为：时间序列法、结构分析法和系统方法1 2 6 1 ，具体分类情况如表1 所示。 3 安徽理t 大学硕士学位论文 表1 数学预测方法汇总 t a b l e lp r e d i c t i o nm e t h o d sg e n e r a lt l b l e 移动平 简单平均法 简单移动平均法 均法 加权移动平均法 一次指数平滑法 指数平 二次指数平滑法 布朗单一参数指数平滑 滑法 霍特双参数指数平滑 布朗单一参数指数平滑 三次指数平滑法 温特线性季节性指数平滑 多项式模型 确 趋势外 指数曲线模璎 定 推法 对数曲线模型 型 生长曲线模型 时间序 季节性水平模型 列法 季节变 动发 季节性交乘趋向模型 季节性替加趋向模型 灰色关联度分析 灰色预 灰色数列预测 灰指数预测 测方法 灰色灾变预测 灰色拓扑预测 随 马尔可 一重链状相关预测 机 夫法 模型预测 概 博克斯自回归模型( a r ) 率 一詹金移动平均模型( m a ) 斯法( b 型 自回归移动平均模型( a r m a ) - j ) 一元线性同归分析 回归分析多元线性回归分析 结构分 非线性同归分析 析法工业用水弹性系数预测法 指标分析法 人工神经网络方法( a n n ) ，以b p 模型为代表 系统分 系统动力学法 析方法 时间序列预测法是依据预测对象过去的统计数据，找到其随时间变化的规律， 建立时序模型，以判断未来数值的预测方法【3 2 1 。与单纯考虑用水数据跟时间之 间的联系不同，结构分析法具体分析城市需水量与各种相关因素之间的联系，建 立揭示因果关系的模型，试图揭示城市需水量的真正内含。该方法通过选取若干 影响因素，对城市用水与这些因素之间的关系进行大致判断后，列出含未知参数 4 第1 章绪 论 的模型方程，代入实际数据，求出各参数。然后根据模型进行预测。 下面对几种常用的方法进行简要的叙述： 1 、趋势外推法( 也叫用水增长趋势分析法) 用水增长趋势分析法是根据历史资料分析未来的发展趋势 3 2 1 ，进而推测预测 期需水量的一种方法。具体的思路是：先确定历史数据的变化趋势，如指数、对 数或s 型曲线，然后对其中未知参数进行估计，得出曲线方程，再利用方程进行 预测。该方法较为简便快捷，既可用于预测城市总需水量，也可用于分类预测城 市生活需水量和工业需水量。该方法实质上属于时间序列法，在实际应用中有多 项式曲线、指数曲线、对数曲线和生长曲线等解析模型，其中应用最多的是指数 曲线模型。 城市需水量取决于技术和经济发展水平、水资源条件和水环境状况、城市规 模和城市性质、水价政策和收费机制等许多要素，是一个以各因素为自变量的多 元的复合函数，各要素的变化都遵循着一定的自然、社会和经济规律，其历史变 化轨迹往往预示着未来发展的趋势，其运动的方向和速度在一定时期内会保持一 定的惯性特征，而每一要素的每次变化都会在城市用水量的变化中显现出来。这 就是用水增长趋势法用以预测城市用水量的理论基础。因此，该方法要求有系列 资料，预测结果的精度在很大程度上取决于资料系列的长短及其是否有代表性， 而且依据发展趋势外延推理预测的年限不宜太长。对较长年限的预测，该方法可 以作为其他预测方法的辅助手段，以定性地给出未来发展方向。 2 、回归分析法( 关键因子相关分析法) 回归分析法是用来预测城市总需水量和生活需水量的一种有效方法。该方法 以实际统计数据为基础，通过回归分析，确定预测对象与影响因素之间的相关关 系，揭示城市总需水量和生活需水量之间的内在变化规律，建立回归模型进行预 测。过去十几年，我国城市用水人口与城市总用水量和生活用水量之间存在高度 的相关性，这是利用该方法对城市总需水量和生活需水量进行预测的实践基础。 3 、马尔可夫法 马尔可夫法是利用上述任意一种方法得出趋势线，而后按数据波动的概率分 布，得出未来波动的方向，并对趋势值进行修正的一种预测方法。该方法由于采 用了马尔柯夫法进行“滤波”，可排除一定随机因素。但结果较不稳定【3 3 3 6 1 。 4 、灰色预测法 灰色预测法是利用灰色理论，建立城市需水灰色模型，利用该模型进行预测， 灰色理论不要求对系统结构有较多了解即可进行预测，它认为实际系统为不透明 的“灰色箱体 【3 7 例j 。因此可根据其过去行为直接类推其未来行为，预测结果 具有一定的精度。 5 、系统动力学方法 系统动力学方法把所研究的对象看作是具有复杂反馈结构的、随时间变化的 动态系统，通过系统分析绘制出表示系统结构和动态特征的系统流图，然后把各 变量之间的关系定量化，建立系统的结构方程式，以便运用计算机语言进行仿真 试验，从而预测系统未来 4 0 电j 。该方法应用效果的好坏与预测者的专业知识、实 践经验、系统分析建模能力密切相关。通过系统分析、系统模型的建立，可以对 系统进行优化，再经过计算机动态模拟，找出系统的一些隐藏规律。所以，该方 法不仅能预测出远期预测对象，还能找出系统的影响因素及作用关系，有利于系 统优化。不过，系统分析过程复杂，工作量极大，且对分析人员能力要求较高， 所以不适用于短期需水量预测。而对长期需水量预测，其优势是十分明显的。 5 安徽理工大学硕士学位论文 1 3 2 供水领域的专业方法 1 、万元产值取水量定额法 万元产值取水量定额法是根据工业万元产值取水量( 即工业取水量与工业产 值的比值) 的现状和历史变化，推测未来达到某一工业产值目标时的工业用水需 求量。这是过去常用来预测工业需水量的主要方法，但这种方法的缺点或者说存 在的问题也十分明显，即万元产值取水量指标的确定非常困难，预测时在很大程 度上取决于预测者的主观认识。这一方面是因为不同行业，或同一行业的不同企 业，或同一企业的不同产品，或同一产品的不同生产工艺之间，其万元产值取水 量可以相差几倍、几十倍甚至几百倍，而这些数据信息又无法系统完整地获得： 另一方面，工业万元产值取水量指标因时间和地域不同变异性很大，统计指标庞 杂，预测的万元产值取水量指标可信度低，并且工业产值具有随市场变化的不确 定性，工业技术装备水平、工业结构、工业增长方式、产品的市场供需状况在不 同时期或不同地区间差异很大，工业产值的这一特点使得万元工业产值往往存在 着不同行业中的重复计算问题，使得万元产值取水量指标本身不能真实反映实际 用水效率。 为弥补万元产值取水指标因产值在不同行业中重复计算的缺点，近年来对万 元工业产值取水量定额法做了一些改进，即采用了万元g d p 取水量1 4 3 1 。g d p 是 目前国际通用的经济发展指标，万元g d p 取水量( g d p 等于各行业增加值之和， 为了简便，各行业增加值也简写成g d p ) 己经逐步取代万元产值取水量指标，不 仅成了必不可少的水资源宏观定额指标，而且也是国际通用的水资源利用效率的 比较指标。因此有必要按行业、分地区分析研究万元g d p 取水量，建立一套万 元g d p 取水量定额，为用水和节水管理工作提供评价依据。这一新的指标在反 映工业用水效率方面无疑是客观的，但由于工业增加值在本质上仍是反映工业活 动的经济效果，因而万元工业增加值取水量的时空变化剧烈和市场变化的问题仍 然存在。 2 、单位产品需水量定额法 单位产品需水量定额法是根据单位产品需水量的统计指标和预测期产品数量 来预测工业需水量的一种方法。从理论上讲，这是较为科学和准确的预测方法， 但在具体应用时存在很多问题。 1 ) 伴随着计划经济向市场经济的转变，工业经济中的预测工作越来越困难， 未来市场对具体种类消费品的需求很难准确预测，而生产资料的市场需求就更难 估摸，即使是确切地知道未来的市场需求，也无法准确预知该产品是由本地区生 产还是来自其他地区，是通过本国生产来满足还是由进口解决市场需求。 2 ) 同类产品不同企业或不同工艺之间，单位产品的需水量相差很大。如我 国钢铁行业中不同企业间吨钢取水量的极值比约为1 1 ；啤酒生产企业间单位产品 取水量的极值比则达到近2 0 ；水泥生产企业间单位产品取水量的极值比则近4 0 。 在市场机制作用下人们根本无法预知具体生产企业或具体工艺在市场中的份额。 3 ) 1 9 8 0 年以来，我国工业行业中建成了一大批具有国际先进水平的企业， 但总体上还比较落后，工业技术设备水平还相当低，不少的企业，如纺织、造纸、 钢铁等高耗水行业的一些工业设备还处在2 0 世纪五六十年代的水平。为增强我 国工业产品的国际竞争力，加速技术升级是必然趋势，技术结构的大力调整必然 对工业用水产生重大影响，技术结构调整过程中工业用水效率的提高是必然的， 但目前对其进行量化十分困难。 目前，但由于我国还没有建立单位产品需水指标的统计体系，统计工作也不 6 第1 章绪论 健全，该方法暂时还难以在全国范围内使用。 3 、人均综合用水量定额法 人均综合用水量定额法【2 8 】是根据城市用水人v i 的发展变化与单位人v i 综合 用水量指标来预测城市总需水量的方法，该方法在城市规划的城市给水工程设计 中得到广泛应用。对过去十几年来全国城市及不同地区和不同流域城市的用水指 标的分析表明，城市人均综合用水量指标具有良好的稳定性，其发展变化的趋势 也非常明显。城市生活用水的消费主体主要是城市人口本身，工业生产的出发点 和最终目的也是为了满足人们日益增长的物质、文化和精神需求，工业用水的最 终消费主体仍然是一定区域的人口本身。随着人们对水资源短缺性认识的不断深 入，对生存环境的忧患和保护意识的不断增强，生活用水器具会得到不断改进， 工业用水效率也会不断提高，人们会自觉或被迫在水资源的开发利用和水资源的 保护上寻求一个平衡点，这个平衡点就是水资源的承载能力，因此城市人均综合 用水量会相对稳定，并在总体上呈现出缓慢降低的变化趋势。此外，作为人均综 合用水定额法主要预测要素是城市用水人口，较之工业产品数量或工业产值具有 较强的可预测性。城市用水人口的可预测性和城市人均综合用水量变化相对稳定 的特点，决定了利用人均综合用水定额法可以较准确地预测城市总需水量。 4 、弹性系数法 该法仅用于工业需水量预测。工业用水弹性系数，在数值上等于工业用水增 长率与工业产值增长率之比，即： = a 1 3 式中，一工业用水弹性系数 q 一工业用水增长率 b 一工业产值增长率 弹性系数法就是利用工业用水弹性系数基本不变这一规律来进行未来需水量 的预测【5 1 1 。在工业结构基本不变的情况下，使用该方法可得到比较符合实际的 数值，适用于中长期需水预测。 除上述四种常用方法外，在城市规划预测中有时也采用单位建设用地综合用水 定额法以及单位居住地用水定额法、单位公共设施用地用水定额法、单位工业用 地用水定额法和单位其他用地用水定额法等。由于城市人口密度相对稳定，因而 上述单位建设用地用水定额可以换算为人均用水定额，因而这些预测方法在本质 上和应用上与人均综合用水定额法或人均生活用水定额法类似，在此不做赘述。 1 3 3 分类预测思想 城市需水量是一个由城市人口、工业水平、人民生活水平以及社会经济水平 等多种因素相互制约相互影响协调发展的复杂系统 4 4 1 。我们知道，用水系统是 复杂的，影响需水量变化的原因是多种多样的。由于各行业的需水机理、需水量 变化的规律以及对需水要求的保证程度都各不相同，所以按不同的用水部门把用 水系统分割成即相互独立又相互联系的几块。另外，在预测内容不同时，也可以 针对本行业的特点选择不同的方法进行预测。 本文将城市需水量分为工业需水量、农业需水量、生活需水量、市政公共需 水量。不过，城市需水最主要的还是生活需水和工业需水。城市生活需水指城镇 居民生活需水和农村居民生活需水。城市生活需水量的影响因素有很多，如城市 的规模、人均收入水平、水价、节水器具推广与普及情况等。其中最主要的影响 因素是人口数量和人均综合用水定额。 7 安徽理工大学硕士学位论文 工业需水预测是一项比较复杂的过程，行业繁多，需水情况差异很大。因此， 一般将工业用水按行业性质分为高用水工业、一般工业、火电工业三类来分别进 行预测。工业需水的影响因素有工业结构、产业政策、生产力发展水平、城市水 资源、城市水市场发展程度、工业产值增长状况、工业节水工艺、政策性节水等 等，这些因素的发展情况都存在着不确定性，而每个因素的变化都会对城市工业 需水量产生影响。因此在工业需水预测时需要认真分析可获得的各种相关资料， 综合考虑多方面的因素，选择合适的预测方法，确定合理的需水方案。 1 4 本论文的研究内容 上节归纳了多种预测方法，但很多方法在应用上具有其局限性，主要表现在两 个方面： 1 、预测对象不明，对需水量理解模糊。与未来水量有关的参数很多，现有方 法多利用对历史取水数据进行分析、预测，与未来实际水量具有一定的误差。 2 、由于方法所限，仅能从数字趋势上寻求规律，无法深入系统内部，进行多 因素、非线性关系的探讨。但是，由于城市用水系统发展的复杂性，此项工作的 进行是十分必要的。已有的预测方法多采用简化的办法，如简化关系为线性、减 少变量数目、采用灰箱模型等，使结果粗糙且应用范围较窄。而且，许多预测方 法不能体现节水因素在系统发展中所起的重要作用，或者只能以笼统的定性预测 来反映。 3 、这些方法大都集中在对其因果关系回归模型和时间序列模型的分析上，所 建立的模型不能全面和本质地反映所预测动态数据的内在结构和复杂特性，从而 丢失了信息量【2 5 】。 1 9 8 7 年，l a p e d e s 和f a r b o r 首次将神经网络引入到预测领域中，无论是从思想 上、还是技术上都是一种拓宽和突破。它解决了传统预测模型难以处理高维非线 性、偏重定量指标、难以处理定性指标、缺少自适应和自学习能力的预测问题。 与传统预测方法相比，人工神经网络预测法具有高度的非线性运算和映射能 力、自学习和自组织能力、高速运算能力、能以任意精度逼近函数关系、高度灵 活可变的拓扑结构及很强的适应能力等优点。选用人工神经网络作为城市需水量 预测算法有如下几个原因： 1 、城市需水量是一个多变量非线性动态系统，人工神经网络有极强的非线性 逼近能力，能够较好的进行非线性函数映射。 2 、传统预测方法事先需要对预测问题做出准确建模，建模过程需要较高的专 业知识，而人工神经网络对于问题的求解无需事先建模，更不必事先知道有关被 建模对象的结构、参数和动态特性，仅需给出对象的输入输出数据，通过网络 本身的学习功能就可以达到输入与输出的映射关系。因此，对于缺乏理论模型和 先验知识的预测问题具有较好的适应性。 3 、人工神经网络具有自适应能力，也就是具有学习能力，而传统的预测方法 一般建模不具有灵活性，人工神经网络可以通过调整拓扑结构、样本集的重定义、 网络的训练来适应新情况。 4 、预测待处理的数据量非常巨大，其内部规律非常复杂，某些变化规律的周 期可能是一年甚至几年，因此需要大量数据的分析才能得到，人工神经网络的训 练过程正是总结规律的过程。 5 、容错能力强。由于网络的知识信息采用分布式存储，个别单元的损坏不会 8 第l 章绪论 引起输出错误。这就使得预测过程中容错能力强，可靠性高。 6 、预测速度快。训练好的网络在对未知样本进行预测时仅需少量的加法和乘 法，使得其运算速度明显快于其他方法。 7 、避开了特征因素与判别目标的复杂关系描述，特别是公式的表述。网络可 以自己学习和记忆各输入量和输出量之间的关系。 另外，需水量不同的组成成份对各种影响因素的灵敏度不同，表现出不同的响 应特性，从而使得预测精度得到一定的提高。 基于上述问题，本文进行了下述四个方面的研究： l 、通过调查研究某市历史经济发展状况以及气象水文、历年供水等资料，对 城市用水量的各影响因子进行分类分析，借助s p s s 软件对多因子作相关性分析， 筛选出各类用水的关键影响因子，从而确定城市需水量的影响因子。 2 、详细论述b p 网络算法，并对b p 网络提出了一些改进策略。 3 、建立城市需水量的b p 网络预测模型，并运用该模型对城市的近期需水量 进行预测。 4 、以m a t l a b 为平台，建立一个具有可视化界面的城市需水量预测系统。 9 - 安徽理工大学硕十学位论文 第2 章人工神经网络算法 2 1 人工神经网络 2 1 1 人工神经同络的概念 1 9 4 3 年，美国心理学家w s m c c u u o c h 和数理逻辑学家w p i t t s 建立了神经网 络的数学模型，称为m p 模型。他们通过m p 模型提出了神经元的形式化数学描 述和网络结构方法，证明了单个神经元能执行逻辑功能，从而开创了人工神经网 络研究的时代。 人工神经网络是一种模仿动物神经网络行为特征，进行分布式并行信息处理的 算法数学模型。这种网络依靠系统的复杂程度，通过调整内部大量节点之间相互 连接的关系，从而达到处理信息的目的【4 5 1 。人工神经网络具有自学习和自适应 的能力，可以通过预先提供的一批相互对应的输入输出数据，分析掌握两者 之间潜在的规律，最终根据这些规律，用新的输入数据来推算输出结果，这种学 习分析的过程被称为“训练。 2 1 2 人工神经网络的工作原理 人工神经网络首先要以一定的学习准则进行学习，然后才能工作。现以人工神 经网络对手写a ，、“b ”两个字母的识别为例进行说明，规定当a ”输入网络时， 应该输出“l ”，而当输入为b ”时，输出为“0 ”。 所以网络学习的准则应该是：如果网络作出错误的判决，则通过网络的学习， 应使得网络减少下次犯同样错误的可能性。首先，给网络的各连接权值赋予( o ， 1 ) 区间内的随机值，将a ”所对应的图象模式输入给网络，网络将输入模式加权 求和、与门限比较、再进行非线性运算，得到网络的输出。在此情况下，网络输 出为“l ”和“o ”的概率各为5 0 ，也就是说是完全随机的。这时如果输出为“l ”( 结 果正确) ，则使连接权值增大，以便使网络再次遇到a ，模式输入时，仍然能作出 正确的判断；如果输出为“0 ”( 即结果错误) ，则把网络连接权值朝着减小综合输入 加权值的方向调整，其目的在于使网络下次再遇到“a ”模式输入时，减小犯同样 错误的可能性。如此操作调整，当给网络轮番输入若干个手写字母“a ”、“b ”后， 经过网络按以上学习方法进行若干次学习后，网络判断的正确率将大大提高。这 说明网络对这两个模式的学习已经获得了成功，它已将这两个模式分布地记忆在 网络的各个连接权值上。当网络再次遇到其中任何一个模式时，能够作出迅速、 准确的