基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
针对城镇日用水量受某些影响因素冗余性、非定量性、非线性的影响以及这些影响在预测模型中很难体现等问题,分析了影响城镇日用水量的因素,利用粗集知识约简方法去除冗余,选择影响城镇日用水量的主要因素,结合改进的BP网络建立城镇日用水量预测模型,并将该模型的预测效果与未采用粗集方法去除因素冗余的模型预测效果进行比较,结果显示该模型的预测精度更高、所需时间更短、更加适用于影响因素较多的城镇年、月用水量的预测.
推荐文章
基于MATLAB的改进BP神经网络在城市日用水量预测中的应用
需水量预测
BP
MATLAB
神经网络工具箱
城市日用水量的自回归模型(AR)预测方法
自回归模型
预测
日用水量
MCPSO优化BP-NN在日用水量预测中的应用
MCPSO
BP神经网络
日用水量预测
基于GA-BP神经网络的城市用水量预测
城市用水
用水量预测
BP神经网络
预测建模
网络训练
仿真分析
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于粗集和改进BP网络的城镇日用水量预测模型
来源期刊 水利水电科技进展 学科 工学
关键词 粗集 改进BP网络 日用水量 预测模型
年,卷(期) 2008,(4) 所属期刊栏目 研究探讨
研究方向 页码范围 37-40
页数 4页 分类号 TU991.31
字数 3959字 语种 中文
DOI 10.3880/j.issn.1006-7647.2008.04.011
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (10)
共引文献  (25)
参考文献  (3)
节点文献
引证文献  (1)
同被引文献  (0)
二级引证文献  (0)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(3)
  • 参考文献(0)
  • 二级参考文献(3)
2002(2)
  • 参考文献(0)
  • 二级参考文献(2)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(4)
  • 参考文献(2)
  • 二级参考文献(2)
2007(1)
  • 参考文献(1)
  • 二级参考文献(0)
2008(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2009(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
粗集
改进BP网络
日用水量
预测模型
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
水利水电科技进展
双月刊
1006-7647
32-1439/TV
大16开
南京西康路1号河海大学内
28-244
1981
chi
出版文献量(篇)
2984
总下载数(次)
4
总被引数(次)
30830
论文1v1指导