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.
推荐文章
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
灰色神经网络在城市用水量预测中的应用
城市用水量
灰色神经网络
粒子群优化算法
PSO-GNNM(1,N)算法
基于神经元网络模型的城市用水量预测
城市供水
用水量预测
人工神经元网络
BP算法
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PCA-RBF神经网络模型的城市用水量预测
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
研究方向 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
五维指标
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
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (102)
共引文献  (97)
参考文献  (13)
节点文献
引证文献  (14)
同被引文献  (55)
二级引证文献  (5)
1980(1)
  • 参考文献(0)
  • 二级参考文献(1)
1983(1)
  • 参考文献(0)
  • 二级参考文献(1)
1988(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(2)
  • 参考文献(0)
  • 二级参考文献(2)
1995(2)
  • 参考文献(0)
  • 二级参考文献(2)
1998(2)
  • 参考文献(0)
  • 二级参考文献(2)
2000(4)
  • 参考文献(0)
  • 二级参考文献(4)
2001(5)
  • 参考文献(0)
  • 二级参考文献(5)
2002(2)
  • 参考文献(0)
  • 二级参考文献(2)
2003(4)
  • 参考文献(0)
  • 二级参考文献(4)
2004(3)
  • 参考文献(0)
  • 二级参考文献(3)
2005(10)
  • 参考文献(0)
  • 二级参考文献(10)
2006(8)
  • 参考文献(0)
  • 二级参考文献(8)
2007(13)
  • 参考文献(0)
  • 二级参考文献(13)
2008(9)
  • 参考文献(1)
  • 二级参考文献(8)
2009(7)
  • 参考文献(0)
  • 二级参考文献(7)
2010(14)
  • 参考文献(1)
  • 二级参考文献(13)
2011(5)
  • 参考文献(1)
  • 二级参考文献(4)
2012(9)
  • 参考文献(3)
  • 二级参考文献(6)
2013(6)
  • 参考文献(0)
  • 二级参考文献(6)
2014(5)
  • 参考文献(5)
  • 二级参考文献(0)
2015(1)
  • 参考文献(1)
  • 二级参考文献(0)
2016(1)
  • 参考文献(1)
  • 二级参考文献(0)
2017(1)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(1)
  • 二级引证文献(0)
2017(1)
  • 引证文献(1)
  • 二级引证文献(0)
2018(6)
  • 引证文献(6)
  • 二级引证文献(0)
2019(5)
  • 引证文献(4)
  • 二级引证文献(1)
2020(7)
  • 引证文献(3)
  • 二级引证文献(4)
研究主题发展历程
节点文献
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
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
水利水电技术
月刊
1000-0860
11-1757/TV
大16开
北京市海淀区玉渊潭南路3号
2-426
1959
chi
出版文献量(篇)
7729
总下载数(次)
10
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
论文1v1指导