贝叶斯神经网络在城市短期用水预测中的应用

• 作者: 万毅 占敏 王海宁 薛惠锋
• 来源期刊: 南水北调与水利科技
• 学科: 工学
• 关键词: 短期用水量 神经网络 贝叶斯正则化 预测模型
• 年，卷（期）: 2017,（3）
• 所属期刊栏目: 水文水资源
• 页码范围: 73-79
• 页数: 7页
• 分类号: TV213
• 字数: 7272字
• 语种: 中文
• DOI: 10.13476/j.cnki.nsbdqk.2017.03.013

摘要

严格水资源管理制度实施的背景下,短期用水量预测对城市供水系统调度的作用日益显著.在分析日用水量时序演化规律及随机性影响因素的基础上,以前7天每日用水量、日最高温度、当月用水量占全年比、日降水量、节假情况作为短期用水量预测指标,构建了BP神经网络城市短期用水量预测模型,并利用贝叶斯正则化对BP神经网络进行优化.将两种模型应用于广州市某自来水公司进行对比验证,结果表明,贝叶斯神经网络预测模型与BP神经网络预测模型的平均绝对百分比误差分别达0.87%与1.85%,经贝叶斯正则化的BP神经网络模型泛化能力更强,精度提高了约0.98%,更符合城市短期用水量预测的高精度要求.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	万毅		15	72	5.0	8.0
2	王海宁		13	51	4.0	6.0
3	占敏		1	9	1.0	1.0
4	薛惠锋		1	9	1.0	1.0