毕业论文：基于神经网络的时用水量预测模型（终稿）.docVIP

基于神经网络的时用水量预测模型 摘要 长期以来，精确预测时用水量是实现供水系统优化调度的关键，因此一直是城市供水部门比较关注的问题。但是由于时用水量影响因素较多，时用水量预测结果很难与实际用水量较好地吻合。本文根据时用水量序列的性、趋势性特点，人工神经网络(ANN)法建立了用水量模型。神经网络 时用水量 WATER CONSUMPTION FORECAST MODEL BASED ON BP NEURAL NETWORK Name:Zhou Jianqiang Major subject: Water supply and drainage engineering Advisers:Chen Lei ABSTRACT Hourly water consumption forecast is a key step to realize optimal dispatch of water pipe network，so water works pay attention to it. There are a lot of factors that influence the hourly water consumption, so it is difficult for the water consumption forecasting to fit the actual result well. According to the periodicity and trend of water demand series, an hourly water demand forecast model based on artificial neural network with the ability of high nonlinear mapping and good fault tolerance was developed. Case study shows that the model has high forecast performance, and the average of absolutely relative error is only 4.6%. Compared with traditional hourly water forecast methods, the forecast model based on artificial neural network has better prediction accuracy. Key words artificial neural network; hourly water consumption； time series 目 录 摘要 Ⅰ ABSTRACT Ⅱ 第一章 绪论 1 1.1 研究背景 1 1.2 国内外时用水量预测方面的研究现状 2 1.3 存在的主要问题和不足 7 1.4 本文的主要工作 7 1.5 本章小结 8 第二章 神经网络介绍及其发展 9 2.1 神经网络介绍 9 2.1.1 神经网络的发展 9 2.1.2 神经网络的应用及研究方向 11 2.1.3 人工神经网络的特性 11 2.2神经网络基本理论 12 2.2.1 神经元及其特性 12 2.3 BP网络基本理论 15 2.3.1 BP神经网络基本原理 15 2.3.2 BP神经网络的数学模型 15 2.3.3 BP网络的训练过程 17 2.4 本章小结 19 第三章 建立BP神经网络模型并预测 20 3.1 利用MATLAB建模 20 3.1.1 MATLAB简介 20 3.1.2管网时用水量变化规律 20 3.1.3 建立BP网络模型 21 3.2 实例分析 23 3.3 本章小结 26 第四章 结论与展望 27 4.1 研究结论 27 4.2 研究展望 27 致 谢 28 参 考 文 献 29 第一章 绪论 1.1 研究背景 随着我国城市化进程的进一步加快、城市范围的扩大、城市人口的增加、工业产值的提高以及人民生活水平的不断改善，城市供水系统的范围及规模在逐年快速扩大，供水复杂性在逐年提高，与给水系统运行调度直接相关的供水泵站、泵站内部的工作水泵及管网内部的控制阀门等设施也相应地逐年在增加。与此相对应，城市供水系统的调度选择方案及调度复杂性在逐年增加，传统的城市供水系统经验调度方法面临着挑战。这主要体现在:①城市供水管线及其控制设施逐年增加变化，经验调度方法的适用性受到了限制;②目前的调度目标从原有的满足系统供水水量、水压的要求的最小费用目标逐步发展为满足系统水量