给水规划里城市需水量预测咋搞？回归分析法要点全知道

<淘配网>给水规划里城市需水量预测咋搞？回归分析法要点全知道

浅谈给水规划中如何确定需水量城市需水量预测主要包括综合生活用水量、工业用水量、园林绿化用水量、 管网漏失和未预计水量四大部分的预测。其中有很多复杂的因素需要考虑城市需水量预测回归分析法，所以 在给水规划中应科学判断城市的用水发展趋势，运用科学的预测方法来力求精准 的确定需水量。对于不同的预测方法应该认真分析，合理取舍。标签：给水规划；需水量；预测需水量预测是供水管理前提和基础，在水资源日益短缺，同时城市用水 量日益增长的今天，需水量预测越来越显现出必要性。越接近于实际的需水预测 越能够给城市未来给水系统的方向提供可靠地依据。目前对于需水量的预测有很 多方法，根据对数据处理方式的不同，可以简单分类为：时间序列法、结构分析 法、系统方法，具体各种方法下还有很多分类。一个确定的模型无法面对用水系 统的复杂性。针对不同的情况应该采取相应的措施。本文简要概述几种比较常见 的需水量预测方法给水规划里城市需水量预测咋搞？回归分析法要点全知道，以及这些预测方法通常适用于何种情况。1 回归分析法预测该预测方法是通过回归分析，寻找预测对象与影响因素之间的因果关系， 建立回归模型进行预测。特点是在系统发生较大变化时，也可以根据相应变化因 素修正预测值，同时对预测值的误差也有一个大体的掌控，因此适用于长期预测。 但是不适用于短期的预测，因为用水量的数据波动一般很大、影响因素众多，并 且这些影响因素的未来值的准确预测难度很大，所以避免把回归分析法应用于短 期预测中。回归分析中最重要的是自变量，因为该方法是通过自变量 （影响因素） 来预测响应变量 （预测对象），认为自变量的改变是预测结果改变的诱因。所以 自变量的选取及自变量预测值的准确性的，是至关重要的。另外还要求大样本量， 要求样本有较好的分布规律，可能出现量化结果与定性分析结果不符的现象。针对我国普遍的基础数据短缺、预测及决策体系不完善的现状，笔者认 为回归分析并不适用于大多数预测体。在抓住系统主要影响因素的基础上，引入 的自变量应适当，过多的自变量不仅使计算量增加、模型稳定性退化，还会把使 误差累加到响应变量上，造成很大的误差。2 灰色分析法预测城市用水系统是一个灰色系统，它既含已知信息，又含未知或未确定信 息。因此想要准确的描述这些因素与城市年需水量之间的相关模型是极其困难 的。我们需要考虑城市人口、工业发展、人民生活水平等因素有关。这些因素形 成了一个多因素、多层次的复杂系统，需水量时间序列正是该系统内部各因素之 间相互制约、相互影响，协调发展的结果。灰色系统理论是建立在假定一个系统为不确定性系统的基础上的，并且 关于这个系统的信息又不足够通过相关分析或建立模型来表现该系统的特点。灰 色系统将每一个随机变量作为一个在特定范围内变化的灰变量，它直接从原始数 据序列寻找数据内在的相关规律。根据灰色系统理论原理，可从年需水量时间序 列这个综合灰色量本身去挖掘有用信息，利用它的动态记忆特性，建立灰色模型 来寻找和揭示系统需水量的内在规律，并以此建立模型，对未来城市需水量作出 预测。灰色系统原理简单、所需样本少、计算方便、预测精度高和可检验性强。 但是单纯的灰色预测分析并不十分适用于我国，因为我国水资源需求序列更多的 是属于记录时间较短、历史数据较少的一类。只有采用近期的用水量数据进行预 测才具有更高的可信度。面对这种情况，很多人对传统灰色模型进行了改进，利 用传统模型与原始数据间的差值建立残差模型和递补模型，对城市未来生活用水 量进行预测。进一步拓宽了灰色预测模型的应用范围，为城市需水量预测提供了 一种更为精确有力的工具。这两种模型可以在许多原始数据不足的情况下有效地 对系统未来发展趋势进行预测，适于我国现状。值得注意的是灰色残差模型与灰色递补模型。它们比传统的灰色模型更 加的接近实际，因为此两种模型都能及时考虑系统发展过程中的干扰因素，并且 拥有将误差返回的模拟系统重新整合调整的功能，方便于使模拟系统随时处于最 新的状态，更能反映出系统当前特征。3 人工神经网络预测人工神经网络（简写 ANNs ）是一种模范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。人工神经网络可 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。人工神经网络是被学 术界称为无模型，该方法实际上是对系统的一种黑箱模拟，更适于短期预测和动 态预报短期负荷值以及动态训练系统。人工神经网络预测在需水量的预测上不乏成功的实例。但是对于长期需 水量目前还未见有人进行研究。而且即使能得到预测，较高的预测精度，由于其 “黑箱操作”对制定用水政策、提高水的利用率方面并无帮助，因此，该方法不适 合应用户于长期预测。4 系统动力学预测系统动力学（简称DS ）是一种不需要在真实系统上试验，节省人力、物 力、财力和时间的科学方法。它由美国麻省理工学院 Jay W. 教授于1956 年创立, 以现实存在的系统为前提，根据历史数据、实践经验和系统内在的机制 关系借助计算机模拟建立起动态仿真模型，对各种影响因素可能引起的系统变化 进行试验，从而寻求改善系统行为的机会和途径，使系统动力学模型成为实际系 统的“实验室”。系统动力学预测方法的优点是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。它的运作是通过系统分 析、系统模型的建立，对系统进行白化，再经过计算机动态模拟，找出系统的一 些隐藏规律。而在初期由于经济子系统变化、水资源供需情况变化及政策实施对 需水量的影响，导致应用SD 模型的时候效果不理想。所以，系统动力学方法需 要进一步完善。在分析水资源系统特点的基础上，建立了基于 SEE 复杂系统的