基于PCA-RBF神经网络模型的城市用水量预测

• 作者: 刘殷竹 孙博闻 陈玲玲 高学平
• 来源期刊: 水利水电技术
• 学科: 工学
• 关键词: 城市用水量预测 主成分分析 RBF神经网络 BP神经网络 主成分数量 需水预测
• 年，卷（期）: 2017,（7）
• 所属期刊栏目: 水文水资源
• 页码范围: 1-6
• 页数: 6页
• 分类号: TV213.4
• 字数: 5075字
• 语种: 中文
• DOI: 10.13928/j.cnki.wrahe.2017.07.001

摘要

针对城市用水量影响因素众多、关联性较强以及BP神经网络收敛速度慢、易陷入局部极小值等问题,采用组合主成分分析(PCA)与RBF神经网络的方法预测城市用水量.利用主成分分析对用水量影响因素进行降维,消除多重共线性,选取能够替代原用水量影响因素的前三个主成分作为输入因子,选用学习和收敛速度快、模式识别能力强的RBF神经网络进行预测.研究结果表明,该模型的相对误差平均值在训练和预测阶段均最小,分别为0.165 4％和0.677 5％,学习和预测能力均优于RBF和BP神经网络模型,提高了收敛速度和预测精度;主成分数量从3个增加到5个,信息量累积贡献率从93.09％增加到98.37％,平均相对误差从0.250 7％降至0.206 0％,预测精度略有提高.对2015-2020年枣庄市用水量进行预测,总用水量先有小幅上升,后又下降,呈现“倒U型”增长.该模型对城市区域水资源规划具有参考价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	高学平	天津大学水利工程仿真与安全国家重点实验室	139	1544	19.0	31.0
2	孙博闻	天津大学水利工程仿真与安全国家重点实验室	24	80	5.0	8.0
3	陈玲玲	天津大学水利工程仿真与安全国家重点实验室	2	16	2.0	2.0
4	刘殷竹	天津大学水利工程仿真与安全国家重点实验室	1	14	1.0	1.0