水利工程論文-人工神經(jīng)網(wǎng)絡(luò)法預(yù)測時用水量.docVIP

水利工程論文-人工神經(jīng)網(wǎng)絡(luò)法預(yù)測時用水量摘要：根據(jù)城市時段用水量序列的季節(jié)性、趨勢性及隨機擾動性等特點，利用人工神經(jīng)網(wǎng)絡(luò)(ANN)法建立了短期用水量預(yù)報模型，并采用某市時用水量的實測數(shù)據(jù)進行了建模和時用水量預(yù)測，通過與時間序列三角函數(shù)分析法、灰色系統(tǒng)理論預(yù)測法、小波分析法的預(yù)測結(jié)果相比較，證實該法具有預(yù)測誤差小和計算速度快的特點，可滿足供水系統(tǒng)調(diào)度的實際需要。關(guān)鍵詞：神經(jīng)網(wǎng)絡(luò)時用水量預(yù)測BP算法目前，國內(nèi)外用于城市用水量短期預(yù)測的方法多為時間序列分析法并采用多種預(yù)測模型，但都存在計算比較復(fù)雜、費時、預(yù)測精度較差等問題?，F(xiàn)通過對時用水量變化規(guī)律的研究，提出以神經(jīng)網(wǎng)絡(luò)法預(yù)測城市短期用水量。1城市供水管網(wǎng)用水量變化規(guī)律在我國城市供水系統(tǒng)中，用水量一般包括居民生活用水、工礦企業(yè)生產(chǎn)用水和公共事業(yè)用水等。同一城市在一天內(nèi)的不同時段，用水量會發(fā)生顯著變化。雖然城市用水量的變化受氣候、生活習(xí)慣、生產(chǎn)和生活條件等諸多因素的影響，變化情況也較為復(fù)雜，但通過分析不難發(fā)現(xiàn)：城市用水量曲線呈現(xiàn)三個周期性的變化，即：一天(24h)為一個周期、一星期(7d)為一個周期、一年(365d)為一個周期，并受增長因素(人口增長，生產(chǎn)發(fā)展)的影響。若將預(yù)測時段取為1h，則季節(jié)因素和增長因素的影響就顯得十分緩慢，因此管網(wǎng)時用水量的變化具有兩個重要特征：隨機性和周期性。2人工神經(jīng)網(wǎng)絡(luò)模型采用目前應(yīng)用最廣泛的多層前饋神經(jīng)網(wǎng)絡(luò)模型(BP模型)來預(yù)測用水量。BP網(wǎng)絡(luò)由輸入層、輸出層及隱含層組成，隱含層可有一個或多個，每層由若干個神經(jīng)元組成。最基本的三層BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)如圖1所示。隱含單元與輸入單元之間、輸出單元與隱含單元之間通過相應(yīng)的傳遞強度逐個相互聯(lián)結(jié)，用來模擬神經(jīng)細胞之間的相互聯(lián)結(jié)14。BP神經(jīng)網(wǎng)絡(luò)采用誤差反饋學(xué)習(xí)算法，其學(xué)習(xí)過程由正向傳播(網(wǎng)絡(luò)正算)和反向傳播(誤差反饋)兩部分組成。在正向傳播過程中，輸入信息經(jīng)隱含單元逐層處理并傳向輸出層，如果輸出層不能得到期望的輸出，則轉(zhuǎn)入反向傳播過程，將實際值與網(wǎng)絡(luò)輸出之間的誤差沿原來的聯(lián)結(jié)通路返回，通過修改各層神經(jīng)元的聯(lián)系權(quán)值而使誤差減小，然后再轉(zhuǎn)入正向傳播過程，反復(fù)迭代，直到誤差小于給定的值為止。假設(shè)BP網(wǎng)絡(luò)每層有N個處理單元，訓(xùn)練集包括M個樣本模式對(Xk，Yk)。對第p個訓(xùn)練樣本p，單元j的輸入總和記為netpj,輸出記為Opj，則：如果任意設(shè)置網(wǎng)絡(luò)初始權(quán)值，那么對每個輸入模式p，網(wǎng)絡(luò)輸出與期望輸出一般總有誤差，定義網(wǎng)絡(luò)誤差EP：dPj對第p個輸入模式輸出單元j的期望輸出可改變網(wǎng)絡(luò)的各個權(quán)重Wij以使EP盡可能減小，從而使實際輸出值盡量逼近期望輸出值，這實際上是求誤差函數(shù)的極小值問題，可采用梯度最速下降法以使權(quán)值沿誤差函數(shù)的負梯度方向改變。BP算法權(quán)值修正公式可以表示為：pjtf取值越大則每次權(quán)值的改變越劇烈，這可能導(dǎo)致學(xué)習(xí)過程發(fā)生振蕩，因此為了使學(xué)習(xí)因子的取值足夠大而又不致產(chǎn)生振蕩，通常在權(quán)值修正公式中加入一個勢態(tài)項5，得：式中常數(shù)，勢態(tài)因子決定上一次學(xué)習(xí)的權(quán)值變化對本次權(quán)值新的影響程度。3時用水量預(yù)測3.1方法利用BP神經(jīng)網(wǎng)絡(luò)預(yù)測時用水量分為三大步驟：第一步為訓(xùn)練樣本的準(zhǔn)備和歸一化，第二步為神經(jīng)網(wǎng)絡(luò)的訓(xùn)練，第三步是利用訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)對用水量進行預(yù)測6由于用水量的數(shù)值較大，應(yīng)對其進行一定的預(yù)處理，一般可采用初值化、極值化或等比變換。通過這些變換可有效地縮短神經(jīng)網(wǎng)絡(luò)訓(xùn)練時間，從而加快網(wǎng)絡(luò)3.2實例采用華北某市2000年24h用水量的實測數(shù)據(jù)進行預(yù)測。在應(yīng)用神經(jīng)網(wǎng)絡(luò)預(yù)測模型預(yù)測時用水量時，建立了時用水量數(shù)據(jù)庫，共收集了240個樣本，每個樣本包括24h的時用水量資料。通過選取不同的輸入樣本數(shù)及不同的隱層單元個數(shù)來比較其訓(xùn)練與預(yù)測結(jié)果的最大相對誤差、均方差、程序運行時間以決定網(wǎng)絡(luò)的結(jié)構(gòu)。經(jīng)過比較，最后決定采用一個隱層、12個隱層單元、24個輸出單元的BP網(wǎng)進行訓(xùn)練,訓(xùn)練過程中均采用24h的時用水量作為輸入與輸出節(jié)點(即Opi與Opj)由于時用水量變化具有趨勢性、周期性