用水量预测方法综述(作业)

用水量预测方法综述
摘要：本文阐述了研究用水量预测方法的目的和意义，简要的介绍了六种目前常用的预测方法，并指出了每种方法的优缺点, 最后对不同情况水量预测方法的择优进行了分析和探讨。

关键词: 用水量预测人工神经网络预测方法择优
一、引言
水是人类赖以生存的基础，没有水，就没有生命。

随着经济建设的发展、产业和人口的增加，我国城市、工业、农业各方面用水量都在迅速增长，缺水城市和地区的范围日益扩大。

全国640个城市中有333个城市缺水，其中严重缺水的有108个[1]。

同时，水污染是我国面临的又一严峻的问题。

缺水、水污染己经对我国的经济建设构成了严重的威胁[2]。

因此，水资源规划和供水系统的优化调度变得越来越重要，作为供水管理前提和基础的用水量预测方法的研究也得到了快速的发展。

二、研究用水量预测方法的目的和意义
水量预测工作是水资源管理中掌握未来发展趋势的关键。

而合理预测城镇规划期限内的用水量，使其与城镇发展实际相接近，对城镇今后的建设和发展具有极其重要的意义。

通过预测未来的用水量，一方面，我们可以大致估计城市和农村的缺水量，着手寻找解决方案，减少经济损失。

另一方面，用水量预测是水资源管理规划的重要内容。

我国水资源开发利用分好几个部门，如不做好预测工作，就难以制定中长期水资源开发利用的总体规划和供水规划，就会影响国民经济计划的实现。

所以预测用水量，无论在经济效益上还是宏观调控上都有重要意义。

三、用水量预测分类以及相应预测方法
用水量的预测方法按用水部门性质可分为生活用水预测、工业用水预测、农业灌溉用水预测、渔业用水预测等几方面。

生活用水量的预测方法有综合分析定额法、趋势法和分类分析权重估算法，在预测时，可根据实际情况选用一种为主，其他亏法进行检验、校核。

趋势预测法、分块预测法、相关法、分行业重复利用率提高法等是较为常见的工业需水量预测方法.
四、几种常用的用水量预测方法[3]
a)自回归移动平均模型ARMA法
ARMA模型是自回归模型和移动平均模型的综合，它通过对相应数学模型的分析研究，能更本质地认识动态数据的内在结构和复杂特性。

ARMA模型将预测对象时间序列加工成一个白噪声序列进行处理，所以它可对任何一个用水过程进行模拟，且预测速度快，能得到较高的预测精度。

然而，ARMA模型具有预测周期短、所用数据单一的缺点，只能给出下一周期用水量的预测值，且无法剖析形成这一预测值的原因及合理的
误差估计。

此外，该方法还存在着明显的滞后性，使得在预测一些异常值时造成较大误差，甚至失真。

b)季节性指数平滑法
季节性指数平滑法是一种先把直接量测到的时间序列分解成水平因素、趋势因素和周期因素三部分，然后再把三者结合起来进行预测的方法。

因此，这种预测方法能有效地反映季节变动对时间序列的影响。

该模型具有较高的预报精度且计算过程并不复杂。

然而，该方法缺乏严格的理论基础，一般只能用于短期或中期预测，且平滑参数的最佳值较难确定，平滑参数的选择也带有主观性。

c)回归分析法[4]
回归分析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, 而且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把握, 它是需水量长期预测的有效方法。

回归分析法可分为一元线性回归分析、多元线性回归分析和非线性回归分析。

d)指标分析法
指标分析法是通过对用水系统历史数据的综合分析，制定出各种用水定额，然后根据用水定额和长期服务人口(或工业产值等)计算出远期的用水量。

由于用水定额的通用性，在对特殊城市或地区进行用水量预测时会造成很大的误差。

e)灰色预测法
灰色预测是通过原始数据的处理和灰色模型的建立、发现、掌握系统发展规律, 对系统的未来状态做出科学的定量预测。

用灰色系统理论预测城市用水量, 就是建立城市用水量与时间的关系函数。

具体作法是: 先对已有的白色系统理论( 己经发生的城市用水量) 作累加生成, 使原白色系统信息的随机性加以弱化,然后对弱化的白色信息拟合, 建立预测模型。

f)人工神经网络法(ANN)
人工神经网络方法是一种由大量简单的人工神经元广泛连接而成的，用以模仿人脑神经网络的复杂网络系统。

人工神经网络通常采用反向传播学习算法(BP算法)，它不仅具有输入输出层，而且有一层或多层隐含神经元，将输入的信息传递到隐层的神经元上，经过各神经元特性为Sigmoid 型作用函数运算后，把隐层神经元的输出信息传递到输出神经元，最后给出结果。

但它也存在一些不足之处:如不易确定隐层神经元的数目、可能陷于局部极小、耗费大量的计算时间以及遗忘已学样本趋势等等。

王晓文
等提出采用增大节点作用函数陡度、变换隐层节点作用函数形式、自适应调整学习参数等方法来提高BP网络的学习速度[5]。

g)系统动力学方法
系统动力学模型是按照系统动力学理论建立起来的数学模型，采用专用语言，借助计算机进行系统模拟，以处理行为随时间变化系统的问题。

系统动力学方法的本质是反馈。

通过对系统反馈机制作用进行分析后建立模型，可以在缺乏基础数据、定量表达式难以建立的情况下，对系统发展的整体水平进行预测，并保证一定的精确度。

一个重要的问题是该方法不能完全灵活地适应客观环境的变化。

因而，对于变化因素较多的一些现象的未来预测，在实际当中是很难做到的。

这正是系统动力学方法需要进一步发展的地方。

五、预测过程中预测方法的择优探讨
各种用水量预测方法都有其自身的优点及不足，而用水量预测就是结合预测的目的、特点，结合用水量变化规律，合理地选择一种或几种预测方法，并收集所需的数据进行预测。

因此，必然会遇到预测方法的择优问题。

在一般情况下:
1)对水资源规划、城市水量平衡前期所做的用水量长期预测，由于其用水对象复杂、预测周期要求长，更重要的是在预测工作完成后，还要制定政策以能动地影响系统，因此宜采用回归分析法或系统动力学方法。

2)针对优化运行调度所进行的时预测和日预测，宜采用AR为IA模型或人工神经网终模型，且充分考虑用水系统中其他因素的影响(如天气等)，并把实际数据及时地传输给计算机，由计算机动态地完成建模一预测一再建模一再预测过程。

3)对基础数据缺乏的城市或地区进行预测时，采用灰色预测方法进行建模，能得到比较理想的预测结果。

4)对‘新建水厂、管线、泵站等供水设施设计前所进行的用水量预测，沿用以前常用的指标法即可满足要求。

5)对旧设施改造前所进行的用水量预测，在用水结构变化不大且用水量历史数据具有明显的趋势性时，宜根据历史数据建立趋势模型，预测出服务期限内的用水量。

该方法较指标法针对性更强、预测值更准确，且计算方法也很简单。

不过，在前面条件不能满足时，还应采用指标法。

参考文献
[1]冯耀龙，陈继建等.水价制定理论分析研究的一种新思路[J]，水利水电技术，2001，32(6):23一25
[2]王东明，刘江涛等.关于城市供水价格问题的探讨[J]，沈阳建筑工
程学院学报，2001，17(4):284一286
[3]张乐英，徐得潜等.城镇用水量预测方法若干研究进展[J]，合肥工业大学学报，2003，26(s叩):1375一x378
[4]朱冰静，朱宪辰.预测原理与方法[M」，上海交通大学出版社，1991:64一109
[5]王晓文，刘宝贵.一种短期负荷预测的自适应神经网络方法[J]，沈阳电力高等专科学校学报，1999，(2):12一15。