城市时用水量预测
用水量预测的三种方法
用水量预测的三种方法
摘要：该文以大连长兴岛临港工业区为例，介绍的三种城市用水量预测的三种方法，三种方法互相验算、互相修正、互相补充，确保预测值准确可靠。
关键词：用水量预测指标用地
根据《大连长兴岛临港工业区总体规划》及《城市给水工程规划规范》（GB50282-98），对大连长兴岛临港工业区需水量可以通过不同方法进行预测。
1 单位人口综合用水量指标法
根据长兴岛地区历年人均综合用水量的情况，并参照同类城市人均用水量指标，确定本区单位人口综合用水指标(如表1)。
2 单位用地面积综合用水量指标法
根据长兴岛地区水资源和大连地区用水情况，确定单位用地面积用水指标(如表2)。
3 分类用水定额指标法
根据《城市给水工程规划规范》及当地的水资源状况，确定用水标准(如表3)。
4 需水量的确定
根据上述3种方法预测长兴岛全区的用水量结果，对此进行比较分析。
如表4所示：
从表中数据来看，3种方法的预测结果相差不是很大，第（3）种预测方法在近远期时最接近平均值。
规划选取第（3）种预测方法结果作为长兴岛临港工业区用水量。
参考文献
[1] GB50282-98城市给水工程规划规范[S].中国建筑工业出版社,1999.
[2] GB50013-2006室外给水工程设计规范[S].中国计划出版社,2006.。
城市时用水量预测
V(m)是与第m个基础函数有关的变量
预测模型
支持向量回归模型（SVR）： 用来处理函数回归问题 回归函数：
通过函数把输入样本映射到某一特征空间，在该空间中样 本是线性的，这样就可以应用线性回归中的训练算法；然后， 引入核函数代替特征空间中样本之间的点积，这样就可以避 免单独的计算函数中函(· )
模型： 其中：
参数 定义由j表示的一组平面上 的输入矢量xt的投影。这些预测是 由非线性函数表示，注意到 线 性结合权重 添加到的线性部分， 加上 形成输出变量。
预测模型
多元自适应回归样条法( MARS)： 假设系统的输入和输出之间存在着某种因果 关系，输入变量的变化会引起系统输出变量 的变化。其善于寻找最优的变量交互性和变 量变形 模型： 其中：
其中p表示输入节点数，h表示 隐藏节点数，f表示S型转换函 数，(j=0,1,…h)表示从隐藏节 点到出水节点的重力矢量， (i=0,1,…,p，j=1,…,h)表示输 入节点到隐藏节点的权重。
预测模型
投影寻踪回归法(PPR)：
将多维自变量进行投影，获得一个低维的投影变量后，再确定此 投影变量与应变量之间的相关关系。
城市时需水量预测的预测模型
（Predictive models for forecasting hourly urban water demand）
目录
研究背景
预测模型
研究案例 结论
研究背景
水量预测的意义：
设计、运行和管理供水系统时，水量预测是 基本的工具，直接影响到给水系统调度的可 靠性和实用性 直接关系到城市水资源的可持续利用和社会 经济的可持续发展
预测模型
随机森林（Random forests）：
预测模型
城市时用水量预测模型比较
能力 ） 间 寻求 最佳 折衷 ， 之 以期 获得 最 好 的预 测 能力 。 基 于 贝叶 斯 最 小 二 乘 支持 向量 机 模 型 是 在 标 准 支 持 向量 机 的基 础上 ， 过 采用 最小 二 乘价 值 函 数 和等 式 通 约束 ， 标 准支 持 向量 机需 求解 的二 次规 划 问题 转 变 将 为线 性 问题 ， 快 了训 练速 度 ： 外 ， 于径 向基 核 函 加 另 基 数 Ｌ Ｓ Ｍ 的模 型 参 数 比基 于相 同核 函数 的标 准 支持 ＳＶ 向量机 少 １ ， 可通过 贝 叶斯推 断确定 Ｌ Ｓ Ｍ 的模 个 并 ＳＶ 型参数 ， 快 了建 模速 度 。 加
测． 得到 预测结 果 。 １ ５ 卡 尔曼滤 波模 型 ．
模型、 贝叶斯 Ｌ Ｓ Ｍ模 型 、 ＳＶ 卡尔曼滤波模 型都需建立 数 学模型 ， 但是这 ３种模 型 的预测 结果误差 小 、 精度 高 ， 对
数学 家卡尔 曼提 出用 １ 个状 态方 程 和 １ 量测方 数据 要求低 ， 于时用 水量 的预 测都是 可行 的 。 嚣 个 用
３ ３ ４． ９．
用 水量 序列 （ ｝在 均方估计 误差 为最小 的准则 下加 『］刘 洪 波 ， 宏 伟 ， ）。 ４ 张 田林 ． 工 神 经 网 络 法 预 测 时 用 水 量 Ⅲ． 人 中 以推 导 ．可 以得 出 １ 基于 卡尔曼 滤波 模型 的时用 水 套 国给 水 排 水 ，０ ２ １ （ ２ ：９ ４ ． ２ ０ ，８ １ ） ３ — １
这 种 预测 方 法 的优 点是 所 需 数 据较 少 ， 计算 比较
缺点是 没有 考虑 季节 、 度 、 区的变化 等 因素 。 温 地 理 部 门所 关工作 方 便 ： 与 直没有 中断过 ， 方法 也有很 多 。 调度 时 用水量 的预测 因此 ， 种模 型 的预 测精 度较 低 ， 对误 差 达到± 这 相 ５％～
基于大数据分析的城市用水量预测模型研究
基于大数据分析的城市用水量预测模型研究随着人口的增加和城市化的不断推进，城市供水管道面临着越来越大的压力。
为了保证城市的供水安全和水资源利用的高效性，需要对城市的用水量进行定点监测和分析，并建立科学的用水预测模型。
基于大数据的分析是目前最受欢迎的分析方法之一，它能够帮助城市管理者更准确地预测城市用水量，以便合理分配城市的水资源，维持城市的正常运行。
一、大数据在城市用水量预测中的应用随着技术的不断进步，城市用水监测系统日益完善，大量的监测数据也不断积累。
基于大数据的分析可以对这些数据进行深度挖掘，发掘数据中的规律和趋势，从而提供高质量的预测结果。
在城市用水量预测中，大数据技术主要有以下几个方面的应用：1. 数据采集数据采集是大数据分析的第一步，也是非常关键的一步。
城市用水监测系统可以通过传感器收集各个采集点的用水情况，并将其存储在数据库中。
大数据技术可以实时监测水质，追踪用水量的变化，分析用水的原因和趋势，进而做出准确的预测。
2. 数据清洗数据采集后，需要对采集到的数据进行清洗，去除异常值和噪声，处理空值和缺失值。
这样可以保证数据的一致性和可靠性，提供可供分析的数据集。
例如，可以使用数据挖掘技术对数据进行降维处理，压缩数据的维度，减少数据的冗余程度，使数据更具有解释性，从而使得结果更为准确。
3. 模型构建在数据清洗之后，就可以建立合适的预测模型了。
目前，常用的预测模型有时间序列分析、神经网络模型、回归分析等。
这些模型都可以用于城市用水量的预测。
例如，可以将数据分为训练集和测试集，利用训练集对模型进行训练，然后用测试集来验证训练结果。
在模型评估时，可以使用交叉验证技术，将数据集分成若干份，每次利用其中的一份作为测试集，其余数据作为训练集，以避免过拟合。
4. 预测分析预测分析是大数据分析的最后一步。
基于预测模型，可以对未来的城市用水量进行预测。
同时，通过对预测结果的分析，可以发现用水的规律和趋势，进一步提高预测的准确率。
2第二章城市用水量预测与计算
（一）居民生活用水量标准：表2-1，表2-2； ——城市每个居民日常生活所用的水量， L/人•天 包括居民的饮用、烹调、洗涤、冲厕等用水。 《室外给水设计规范》中的居民生活用水定额； 《建筑给水排水设计规范》的住宅生活用水定额。； （二）公共建筑用水量标准 ：表2-3； 《建筑给水排水设计规范》的公共建筑生活用水定额； 《办公建筑设计规范》中，办公人员的需水量标准为 1～2 L/人•班，小时变化系数1.5。 《商店建筑设计规范》中，商店工作人员饮水量为2～4 L/人•天。 （三）工业企业用水量标准 ：表2-4； 工业企业职工生活用水标准：《建筑给水排水设计规范》 和《工业企业设计卫生标准规定》。 工业企业生产用水量，《工业用水量定额》表2-5；
8．生产函数法 同工业用水量预测 9．灰色系统理论法 基于模糊数学的决策优化方法，建立城市用水量 与时间的关系函数，即对已有的白色系统（已知历年 用水数据）作累加生成，使原有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。
应注意： 1．充分分析判别过去的资料数据 2．应充分考虑各种因素的影响 3．应注意人口的增长流动 4．应掌握城市用水的变化趋势 年供水增长率的大小与供水规模成反比， 即随人口增长，工业发展速度趋于平稳，自来 水发展到一定规模，城市供水量增长率会放慢 或下降。 5．应注意城市自备水源的水量 城市中的一些用水大户常自备水源供水，这 部分水量有时没有包含在历年数据中，预测时 不应漏掉。在水资源规划和水量平衡时，对自 备水源应进行统一规划。
(3)给水规范所指人均是指户籍人口，未包括暂住人 口和流动人口，目前一般采用城市人口数(指户籍 人口及暂住一年的人口)，因而选用指标时要考虑 人口数的内涵。流动人口的用水量一般已计入指标 中，不单独计算。 (4)有些城镇集中发展一种或几种工业，形成产业规 模，其工业用水量所占的比重较大，不符合一般城 市的组成结构，但与人口数形成一定的比例关系。 可采用生活、工业用水比例法，即用人口增长数， 人均居民用水量及生活用水与工业用水的比例来推 算今后的总用水量，有一定的准确性。 (5)在城市中用水量较大且水质要求低于《生活饮用 水水质标准》的工业企业，如当地有取水水源应自 建供水设施，其水量不计入城市给水水量规模。在 城市建设用地范围内，应限制工业自备水源供给生 活饮用水。
城市给水工程系统规划的用水量预测
城市给水工程系统规划的用水量预测摘要:城市建设首先是各类工程的建设，而规划在城建中占有举足轻重的地位.一个城市的基础设施的位置、分类、功能、本套程度、能力大小等直接关系到城市的生活水平的提高，因此，城市规划对城市的作用是不言而喻的。
城市工程系统指的就是城市基础设施的综合体系,它由交通、通信、供热〔气〕、给排水、环卫、全等工程体系构成，它们的规划就是城市工程系统规划,而给水工程系统规划则中的重要组成部分。
关键词：给水工程；一、概述城市给水工程系统由取水工程、净水工程、输配水工程、水资源保护工程等组成,其规划的主要任务和内容是：进行城市水源规划和水资源利用平衡工作;确定城市给水设施的规模和容量；科学布局给水设施和各级给水管网系统,满足用户要求;制定水资源保护措施和设施分布及规模。
给水工作系统与排水工程系统被称为城市生命保障体系,因此,做好它的规划有着极其重要的现实意义和社会意义。
二、预测方法预测方法主要分定额指标法和函数法二大类。
它们的侧重点是不相同的，定额法侧重于定性，函数法侧重于数学分析，要做好预测要用二者互相验算、互相修正和互相补充，才能使预测所得结果最大限度地符合要求,满足规划的需要。
1.定额指标法所谓定额指的是单位用水量,是国家相关部门根据不同条件下用水量调查统计结果，考虑各种因素发布的规范指标,具有一定的科学性、规范性、权威性，这是规划工作者必须严格执行和认真实施的,对规划工作具有很好的指导作用和约束作用。
用水量预测主要定额指标有:单位人口综合用水量指标(万m3/万人·d）、单位建设用地综合用水量指标(万m3/km2·d）、居住用地用水量指标（m3/ha·d)、综合生活用水量定额(L/人·d)、其他用地用水量指标(m3/ha·d）、工业用水重复利用率（％）。
一般在预测时根据城市规模大小、工业规模取不同值乘上相应的规划人口预测数或工业产值即可得到预测用水量。
城市用水量预测与计算方法
（1）人均综合指标法：总体规划中常用。
（2）单位用地指标法：确定城市单位建设用地的用水量指标后，根据规划的城市用地规模，推算出城市用水总量。
这种方法具有较好的适应性。
（3）线性回归法。
（4）年递增率法。
（5）城市发展增量法：根据城市建设发展和规划的要求，规划期内居住、公建、工业等发展布局都有明确的指标，所以只要按有关定额和方法分别计算出新增部分的用水量，再加上现状的用水量，就可以求出规划期内的城市用水总量。
这种方法用于近期建设预测比较准确。
（6）分类加和法：城市工业用水量在城市总用水量中占有较大比例，其预测的正确与否对城市用水量规划具有重大意义。
通常采用与民用用水预测相同的方法外，还常用万元产值指标法。
城市用水量预测综述
城市用水量预测综述城市用水量预测综述摘要：城市用水量预测在城市建设规划，输配水系统的优化调度以及市政设施投入与收益等方面中具有重要的作用。
而影响城市水量预测的因素较多，采用的预测方法也有多种，文中试图通过对各方法的综合说明和比较来总结各预测方法的可行性并得出相关结论。
关键词：用水量对比预测方法影响因素城市给水管网用水量预测，就是根据已有的社会经济活动的用水量以及与此有关的其它数据资料、信息等来分析未来某一时刻（时段）城市给水管网用水量的过程。
城市用水量预测可分为两类：一类是为实施用水系统优化控制而进行的短期预测，另一类是以水资源规划为目的的长期预测。
城市规划规模一定程度上决定了城市规划用水量的大小，反之城市供水量的大小又是影响城市规划规模实现的主要因素之一。
城市用水量通常包括居民生活用水，工业用水，消防用水及市政用水等。
天气，季节气候，节假日及不可预见因素对短期用水量影响较大，而其他诸如人口，居民收入，工业总产值，产业结构等因素对长期用水量影响较大。
我国幅员辽阔，各城市的水资源，气候以及生活习惯等差异较大，所以不能一概而论，对总体采用同样的预测方法，要综合当地各项影响因素以多种预测方法对当地若干年前的预测与若干年后的实际用水量形成对比，以及在不同预测方法对当地的预测效果之间的对比得出可行，方便的预测方法。
用水量预测方法很多，各种方法都有其特定的适用环境，需根据用水量变化规律及特点选择合适的预测方法，以下对常见的几种进行简述。
（一）．根据《城市给水工程规划规范》GB50282-98（以下简称《规范》）中四种方法以及用水量递增法和相关比例法两种复核方法进行预测。
例如某市拟定在1999年对2005，,2010年的用水量预测。
2005和2010年分别取《规范》指标的低线和中线。
①.确定规划范围，年限，人口和用地②.现在用水状况，可以取得1985~1999年水厂供水量情况③.规划用水预测方法1：城市单位人口综合用水量指标法具体为根据《规范》，对应找到该城市所属区间，根据《规范》中最高日城市单位人口综合用水量指标得到该城市1999年最高日人均综合用水指标。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
预测模型
支持向量回归模型（SVR）： 用来处理函数回归问题 回归函数：
通过函数把输入样本映射到某一特征空间，在该空间中样 本是线性的，这样就可以应用线性回归中的训练算法；然后， 引入核函数代替特征空间中样本之间的点积，这样就可以避 免单独的计算函数中函(· )
研究案例
研究案例： 地点：西班牙东南部 人口：5000人 面积：8 需水量：平均值19 ；偏差：8 该地需水量用流量计测定，测定的数据通过 频射波传到控制中心，每小时采集一次数据， 从05年一月持续到05年四月。
研究案例
一天中每小时的平均用水 量变化
一天中每小时的最大需 天气 水量 变量 对用 水量 的影 响
Lertpalangsunti 1999年 混合智能预测系统
Zhou 2002年 改进时间序列模型； Jain等人工神经 网络模型（ANN） Shrestha等 2006年 基于模糊集群的线性回归模型 Kim 2007年 在首尔的城市用水需求预测的基 础上提出泵的调度优化理论
预测模型
人工神经网络模型（ANN） ： BP模型：
其中p表示输入节点数，h表示 隐藏节点数，f表示S型转换函 数，(j=0,1,…h)表示从隐藏节 点到出水节点的重力矢量， (i=0,1,…,p，j=1,…,h)表示输 入节点到隐藏节点的权重。
预测模型
投影寻踪回归法(PPR)：
将多维自变量进行投影，获得一个低维的投影变量后，再确定此 投影变量与应变量之间的相关关系。
模型： 其中：
参数 定义由j表示的一组平面上 的输入矢量xt的投影。这些预测是 由非线性函数表示，注意到 线 性结合权重 添加到的线性部分， 加上 形成输出变量。
预测模型
多元自适应回归样条法( MARS)： 假设系统的输入和输出之间存在着某种因果 关系，输入变量的变化会引起系统输出变量 的变化。其善于寻找最优的变量交互性和变 量变形 模型： 其中：
预测模型
随机森林（Random forests）：
预测模型
基于样本的权重预测模型 （Weighted pattern-based model for water demand forecasting）： 季节属性 部分线性模型： ① 保持系统的典型特性 ② 根据具体背景下的预测修正最初的预测
研究案例
模型的建立： 根据前八周已有数据建立不同的模型来预测 未来两周的需水量
时间序列预测中两种不同的建模方法
研究案例
除MARS外，所有模型都是运用滑动窗口得到最优值。除 ANN外，所有模型都是在数据更新速度为一小时时获得最优 值，这表明用水需求量的时间序列中用水制度改变非常快
究背景
城市水量预测分类：
长期预测：为给水管网系统的改建、扩建及 水资源规划和城市整体建设规划提供依据 短期预测：用于城市给水系统在线实时模拟、 给水系统优化调度
短期预测的发展
Maidment 1985年建立短期Box和Jenkins模型 Smith 1988年 时间序列模型 An 1995年 粗集理论模型
城市时需水量预测的预测模型
（Predictive models for forecasting hourly urban water demand）
目录
研究背景
预测模型
研究案例 结论
研究背景
水量预测的意义：
设计、运行和管理供水系统时，水量预测是 基本的工具，直接影响到给水系统调度的可 靠性和实用性 直接关系到城市水资源的可持续利用和社会 经济的可持续发展
研究案例
SVR算法的测试结果
分析可知：相比其他模型，SVR模型更适 合于用水量的小时预测
研究案例
包含的数据越多，结果越差，即包含的旧的 数据越多对预测结果越不利。也表明，研究 中所采用的模型具有时效性
研究案例
最后一周的需水量实际值与预测值
结论
支持向量回归模型（SVR）是最准确的模 型，紧随其后的是MARS、PPR和随机森林 模型 神经网络模型的预测结果较差 基于样本权重的模型在与其他复杂模型作对 比时表现出其局限性 模型的更新频率应该尽可能的快