基于COBP模型的城市短期需水量预测研究

• 作者: 叶强强 涂吉昌 王召 王景成 陈超波
• 来源期刊: 计算机与数字工程
• 学科: 工学
• 关键词: 城市需水量预测 COBP模型 重构相空间 混沌优化搜索 混沌参数控制
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 工程实践
• 页码范围: 198-205
• 页数: 8页
• 分类号: TP27
• 字数: 6542字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-9722.2020.01.038

摘要

针对城市需水量预测中时间序列的非线性特性及传统BP网络预测收敛速度慢易陷入局部极小值等问题,将Chaos理论和BP神经网络理论相结合,提出了一种基于Chaos-BP理论的城市短期需水量COBP(Chaos Back Propagtion)预测模型.利用重构相空间的嵌入维数确定COBP网络的结构,通过混沌优化搜索,找到BP神经网络权值的全局最优值,并对其输出的"尖点"预测值进行混沌参数控制,实现城市短期需水量的预测.仿真分析表明,与传统预测模型相比,COBP预测模型所需训练数据样本少,收敛速度快、易达到全局最小值,预测结果整体误差的指标良好,呈现良好的综合预测性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王景成		61	580	14.0	21.0
3	陈超波		106	413	12.0	15.0
4	涂吉昌		2	1	1.0	1.0
7	王召		3	1	1.0	1.0
8	叶强强		2	1	1.0	1.0