水利工程論文-人工神經(jīng)網(wǎng)絡法預測時用水量.doc

水利工程論文-人工神經(jīng)網(wǎng)絡法預測時用水量摘要：根據(jù)城市時段用水量序列的季節(jié)性、趨勢性及隨機擾動性等特點，利用人工神經(jīng)網(wǎng)絡(ANN)法建立了短期用水量預報模型，并采用某市時用水量的實測數(shù)據(jù)進行了建模和時用水量預測，通過與時間序列三角函數(shù)分析法、灰色系統(tǒng)理論預測法、小波分析法的預測結果相比較，證實該法具有預測誤差小和計算速度快的特點，可滿足供水系統(tǒng)調度的實際需要。關鍵詞：神經(jīng)網(wǎng)絡時用水量預測BP算法目前，國內外用于城市用水量短期預測的方法多為時間序列分析法并采用多種預測模型，但都存在計算比較復雜、費時、預測精度較差等問題?，F(xiàn)通過對時用水量變化規(guī)律的研究，提出以神經(jīng)網(wǎng)絡法預測城市短期用水量。1城市供水管網(wǎng)用水量變化規(guī)律在我國城市供水系統(tǒng)中，用水量一般包括居民生活用水、工礦企業(yè)生產(chǎn)用水和公共事業(yè)用水等。同一城市在一天內的不同時段，用水量會發(fā)生顯著變化。雖然城市用水量的變化受氣候、生活習慣、生產(chǎn)和生活條件等諸多因素的影響，變化情況也較為復雜，但通過分析不難發(fā)現(xiàn)：城市用水量曲線呈現(xiàn)三個周期性的變化，即：一天(24h)為一個周期、一星期(7d)為一個周期、一年(365d)為一個周期，并受增長因素(人口增長，生產(chǎn)發(fā)展)的影響。若將預測時段取為1h，則季節(jié)因素和增長因素的影響就顯得十分緩慢，因此管網(wǎng)時用水量的變化具有兩個重要特征：隨機性和周期性。2人工神經(jīng)網(wǎng)絡模型采用目前應用最廣泛的多層前饋神經(jīng)網(wǎng)絡模型(BP模型)來預測用水量。BP網(wǎng)絡由輸入層、輸出層及隱含層組成，隱含層可有一個或多個，每層由若干個神經(jīng)元組成。最基本的三層BP神經(jīng)網(wǎng)絡的結構如圖1所示。隱含單元與輸入單元之間、輸出單元與隱含單元之間通過相應的傳遞強度逐個相互聯(lián)結，用來模擬神經(jīng)細胞之間的相互聯(lián)結14。BP神經(jīng)網(wǎng)絡采用誤差反饋學習算法，其學習過程由正向傳播(網(wǎng)絡正算)和反向傳播(誤差反饋)兩部分組成。在正向傳播過程中，輸入信息經(jīng)隱含單元逐層處理并傳向輸出層，如果輸出層不能得到期望的輸出，則轉入反向傳播過程，將實際值與網(wǎng)絡輸出之間的誤差沿原來的聯(lián)結通路返回，通過修改各層神經(jīng)元的聯(lián)系權值而使誤差減小，然后再轉入正向傳播過程，反復迭代，直到誤差小于給定的值為止。假設BP網(wǎng)絡每層有N個處理單元，訓練集包括M個樣本模式對(Xk，Yk)。對第p個訓練樣本p，單元j的輸入總和記為netpj,輸出記為Opj，則：如果任意設置網(wǎng)絡初始權值，那么對每個輸入模式p，網(wǎng)絡輸出與期望輸出一般總有誤差，定義網(wǎng)絡誤差EP：dPj對第p個輸入模式輸出單元j的期望輸出可改變網(wǎng)絡的各個權重Wij以使EP盡可能減小，從而使實際輸出值盡量逼近期望輸出值，這實際上是求誤差函數(shù)的極小值問題，可采用梯度最速下降法以使權值沿誤差函數(shù)的負梯度方向改變。BP算法權值修正公式可以表示為：pjtf取值越大則每次權值的改變越劇烈，這可能導致學習過程發(fā)生振蕩，因此為了使學習因子的取值足夠大而又不致產(chǎn)生振蕩，通常在權值修正公式中加入一個勢態(tài)項5，得：式中常數(shù)，勢態(tài)因子決定上一次學習的權值變化對本次權值新的影響程度。3時用水量預測3.1方法利用BP神經(jīng)網(wǎng)絡預測時用水量分為三大步驟：第一步為訓練樣本的準備和歸一化，第二步為神經(jīng)網(wǎng)絡的訓練，第三步是利用訓練后的神經(jīng)網(wǎng)絡對用水量進行預測6由于用水量的數(shù)值較大，應對其進行一定的預處理，一般可采用初值化、極值化或等比變換。通過這些變換可有效地縮短神經(jīng)網(wǎng)絡訓練時間，從而加快網(wǎng)絡3.2實例采用華北某市2000年24h用水量的實測數(shù)據(jù)進行預測。在應用神經(jīng)網(wǎng)絡預測模型預測時用水量時，建立了時用水量數(shù)據(jù)庫，共收集了240個樣本，每個樣本包括24h的時用水量資料。通過選取不同的輸入樣本數(shù)及不同的隱層單元個數(shù)來比較其訓練與預測結果的最大相對誤差、均方差、程序運行時間以決定網(wǎng)絡的結構。經(jīng)過比較，最后決定采用一個隱層、12個隱層單元、24個輸出單元的BP網(wǎng)進行訓練,訓練過程中均采用24h的時用水量作為輸入與輸出節(jié)點(即Opi與Opj)由于時用水量變化具有趨勢性、周期性