《面向智能泵站城市时用水量预测模型》由会员分享，可在线阅读，更多相关《面向智能泵站城市时用水量预测模型（38页珍藏版）》请在金锄头文库上搜索。
1、学号：201310411063上海海事大学本科毕业论文上海海事大学本科毕业论文面向智能泵站的城市时用水量预测模型面向智能泵站的城市时用水量预测模型学学 院：海洋科学与工程学院院：海洋科学与工程学院专专 业：环境工程业：环境工程班班 级：环境级：环境 132132姓姓 名：马冠驰名：马冠驰指导教师：刘兴坡指导教师：刘兴坡 副教授副教授完成日期：完成日期：20172017 年年 4 4 月月 2626 日日承诺书承诺书本人郑重承诺：所成交的毕业论文“面向只能泵站的城市时用水量预测模型”是在导师的指导下，严格按照学校和学院的有关规定由本人独立完成。文中所引用的观点和参考资料均已标注并加以注释。论文研
2、究过程中不存在抄袭他人研究成果和伪造相关数据等行为。如若出现任何侵犯他人知识产权问题，本人愿意承担相关法律责任。承诺人：马冠驰日期：2017 年 4 月 13 日摘摘 要要随着科学社会的进步与发展，城市时用水量已成为城市建设与发展必不可少的一个研究问题。然而，随着城市的建设发展和人民生活水平的提高，城市时用水量的需求量也越来越大，这时就需要我们对供水流量进行预测。供水流量预测是根据历史的用水信息、基础调度信息、气象信息以及水文信息、节假日信息等，选用适当的数学模型，对城市在接下来的一段时间内的供水量进行预测。本文主要依据在当下智能泵站发展的基础上，对城市供水流量进行建模预测，选用 MATLAB
3、 中的神经网络时间预测 NAR 模型进行预测。以上海市某一自来水厂的月流量数据为例，对齐前半部分进行训练并预测，查看预测结果与后半部分的符合程度，并选用另一个模型 NARX 再进行一次预测，二者进行比较。关键词关键词：供水流量，神经网络，建模，NAR 模型，NARX 模型，预测AbstractWith the progress and development of science and society, urban water consumption has become an indispensable research problem in urban construction and
4、development. However, with the development of urban construction and the improvement of peoples living standard, the demand of urban water consumption is also increasing, which requires us to forecast the water supply. The water flow is predicted based on historical information, water based scheduli
5、ng information, meteorological information and hydrological information, information and other holidays, a proper mathematical model, prediction of water supply to the city in the next period of time. In this paper, based on the development of intelligent pumping station on the basis of the current
6、urban water supply flow modeling and forecasting, the use of MATLAB neural network time prediction NAR model for forecasting. The monthly traffic data in Shanghai City, a tap water plant for example, the first half part of alignment for training and prediction, check the degree of prediction results
7、 are in accord with the second half, and choose another NARX model again predicts two comparison.Key words: water supply, neural network, modeling, NAR model, NARX model, predict目目 录录1.绪论绪论.11.1 城市用水量预测研究背景和意义11.2 城市用水量的预测研究现状21.3 智能泵站简单介绍32.关于神经网络城市用水量预测模型的比较研究关于神经网络城市用水量预测模型的比较研究.43.基于基于 Matlab 神经
8、网络时间序列的城市用水量预测模型神经网络时间序列的城市用水量预测模型64.基于基于 NAR 和和 NARX 模型的用水量预测模型建立模型的用水量预测模型建立84.1 NAR 模型.84.2 第一次 NARX 模型.164.3 第二次 NARX 模型214.4 预测结果245.预测效果影响因素分析预测效果影响因素分析256.结论及建议结论及建议27参考文献参考文献29上海海事大学 2017 届毕业论文第 1 页 共 29 页1. 绪论绪论城市用水量是城市生产、生活、消防和市政管理等活动所需用水的统称。中国实施改革开放以来，城市供水设施建设已经取得了巨大成就，城市用水量的发展研究已经越来越成熟，在
9、各地供水规划工作中首先需要预测确定供水总量的问题,经常发现计算结果偏大。供水规划中确定的供水总量将对供水设施建设和建设投资总额起到决定作用，可能造成供水系统设计不合理和巨大的投资浪费。所以，对城市用水的预测也成为城市发展研究的重要问题。目前，传统的一些简单的预测方法比如分类用水预测法、单位用水面积法、人均综合指标法、年递增率法、城市发展增量法、线性回归法、生长曲线法等都无法满足城市用水的精确预算，所以，建立一个准确的预测模型来预测城市用水量是非常有必要的。目前，城市用水量预测模型运用发展得最好的就是神经网络模型， BP 神经网络模型是一种模拟人脑信息处理的智能化非线性学习系统，是一种按误差逆传
10、播算法训练的多层前馈网络，是目前应用最广泛的神经网络模型之一。其分为三个神经元层次，分别是输入层、隐层和输出层。其中，隐层又可以分为一层或多层，各层次的神经元数根据实际情况决定。目前在神经网络实际应用中，80-90%的神经网络模型都是采用 BP 网络或者其变化形式。就传统的神经网络而言，自身算法存在着缺陷性，如局部极小点问题、算法的收敛速度慢、隐层神经元节点个数难确定等。因此，神经网络模型存在着很多改进算法。在 MATLAB 软件中就有非常实用的神经网络改进模型，本文将会介绍目前城市用水的发展现状，预测方法和神经网络的发展研究现状，并针对在目前智能泵站发展的基础下，比较传统方法与神经网络建模的
11、好坏。最后利用MATLAB 神经网络工具箱中的 NAR 和 NARX 模型来对城市的时用水量进行预测，做出误差分析，并对两个模型进行比对。1.1 城市用水量预测研究背景和意义城市用水量预测研究背景和意义城市用水量预测是水资源优化配置和自来水厂优化调度的前提和依据，随着城市发展的上海海事大学 2017 届毕业论文第 2 页 共 29 页进步，城市工业生活和市政用水的增加已经越来越明显，但是，城市用水受到天气、水文、节假日等因素的制约，也变得难以预测。于是，城市用水量的预测研究就得到了快速的发展，城市用水预测的研究可以更好的对水资源进行优化调度，减少水资源的浪费，节约成本，对城市的发展是非常重要的
12、。1.2 城市用水量的预测研究现状城市用水量的预测研究现状城市用水量的研究分为很多种方法：1. 分类预测预测法分别对各类用水进行预测，获得各类用水量，再进行加和。法一：分成综合生活用水、工业企业用水、消防用水、市政用水、未预见及管网漏失水量五类；法二：分成居民生活用水，工业用水，非工业用水；法三：分成大生活用水和工业用水；大生活用水包括居民生活、公建、市政等用水。2. 单位用水面积法制定城市单位建设用地的用水量指标，根据规划的城市用地规模，推求出城市的用水总量。由于各地的情况不同，指标难于统一。具体见城市给水工程规划规范（GB50282-98）3. 人均综合指标法根据城市历年人均综合用水量的情
13、况，参照同类城市人均用水指标，合理确定本城市规划期内人均用水标准，再乘以规划人口数，得到城市总用水量。上海海事大学 2017 届毕业论文第 3 页 共 29 页4. 年递增率法根据历年来供水能力的年递增率，考虑经济发展的速度，选定供水的递增寒暑，再由现状供水量，推求出规划期的供水量。Q=Q0（1+Y）n，其中 Y 为城市用水总量的年平均增长率（%）即用复利公式计算。近阶段我国城市用水增长速率，以年均 4.8%-5.4%较为适当。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指标，按有关定额方法分别计算新增部分用水量+现状的用水量=规划期内的城市用水
14、总量。6. 线性回归法建立日均供水量与供水年份的相关关系 Q=a+bt。7. 生长曲线法根据公式既 In(L/Q-1)=-Ina-bt计算。 = /(1 + )8. 生产函数法主要指工业用水的预测方法、包括重复利用率、比例相关、单位面积、万元指标等方法，计算出相关的生产函数再乘以之前的用水量预测出下一时间段的用水量。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，既对已有的白色系统（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。1.3 智能泵站简单介绍智能泵站简单介绍目前，对于城市用水的预测，传统的提升
15、泵站已经不能满足城市的需求。所以，我们提出了一种新型的智能泵站，它相比于传统的泵站，在格栅，占地体积，人力应用方面都有了上海海事大学 2017 届毕业论文第 4 页 共 29 页很大的提升。传统的提升泵站一般采用的是机械格栅，部分残渣靠人工清除，这样就需要人员去定期打捞残渣，残渣的大量存放又会发酵、变质、产生臭味，对环境造成污染，并且通过格栅的污水杂质较多，较大的物质容易堵塞水泵，损坏电机；占地面积大，传统的提升泵站包括储物间、工具间、休息房等，占地面积非常庞大；人员应用大，传统提升泵站每个泵站都需要建立专门的泵房，需要人员轮流值班，格栅残渣也需要定期运送，使得日常的管理费用和人力资源应用都非
16、常大。智能泵站的优点：a. 选用粉碎型格栅，粉碎型格栅机有两组或两组以上刀片，刀片由高硬度合金组成，可将污水中的大体积悬浮物粉碎，切割粒径不超过 10mm。无残渣产生，不用设置专门的残渣存放空间，健康环保无污染，而且水泵也不容易堵塞，不会损坏电机。b. 占地面积小，采用体积较小的粉碎型格栅，节省了残渣存放空间以及储物间、工具间、休息房等占地面积较大的房间。c. 系统自动化程度高，系统管理方便，不用每个泵站都需要建立专门的管理部门，只需少量人员在监控中心值班即可，节约了大量人力资源和管理运营费用。智能泵站的出现使得城市水量得到了更好的利用，它的出现既提升了泵站的工作效率，也优化了泵站的管理模式，对于城市用水的发展是一个非常关键的因素。2.2. 关于神经网络城市用水量预测模型的比较研究关于神经网络城市用水量预测模型的比较研究由于生活和生产用水是一个复杂的系统，受到众多因素的影响，常规的数学对城市用水上海海事大学 2017 届毕业论文第 5 页 共 29 页的预测存在局限性和不准确性。所以，我们
