基于PCA-RBF神经网络模型的城市用水量预测.pdf

《基于PCA-RBF神经网络模型的城市用水量预测.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、水利水电技术第48卷2017年第7期基于PCA—RBF神经网络模型的城市用水量预测高学平，陈玲玲，刘殷竹，孙博闻(天津大学水利_T-程仿真与安全国家重点实验室，天津300072)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

2、。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0．1654％和0．6775％，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0．2507％降至0．2060％，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。关键词：城市用水量预测；主成分分析；RBF神经网络；BP神经

3、网络；主成分数量；需水预测doi：10．13928／j．cnki，wrahe。2017．07．001中图分类号：TV213．4文献标识码：A文章编号：1000．0860(2017)07—0001．06PCA-RBFneuralnetworkmodel-basedurbanwaterconsumptionpredictionGAOXueping，CHENLingling，LIUYinzhu，SUNBowen(StateKeyLaboratoryofHydraulicEngineeringSimulationan

4、dSafety，TianjinUniversity，Tianjin300072，China)Abstract：Aimingattheproblems，suchasmanyfactorsofinfluenceontheurbanwaterconsumption，strongcorrelationandslowconvergencespeedofBPneuralnetwork，beingpronetotrappinginthelocalminima，etc．，theurbanwaterconsumptionisp

5、re—dictedhereinbymeansofcombiningtheprincipalcomponentsanalysis(PCA)withtheRBFneuralnetwork；forwhichthedimen·sionreductionismadeonthefactorsoftheinfluenceonthewaterconsumptionforeliminatingthemulticollinearity，andthentheformerthreeprincipalcomponentswhichca

6、nreplacetheoriginalfactorsoftheinfluenceonthewaterconsumptionareselectedastheinputfactors，whiletheRBFneuralnetworkwithquicklearningandconvergencespeedandstrongcapacityofmodeidentifi—cationisselectedfortheprediction．Thestudyresultshowsthatthemeanrelativeerro

7、rsofthemodelareminimumwithinthephasesofthetrainingandtheprediction，whichale0．1654％and0．6775％respectively，whileboththeearningandpredictioncapacitiesarebetterthanthosefromthemodelsofRBPandBPneuralnetworks，thusenhanceboththeconvergencespeedandthepredictionaccu

8、racy；fromwhichthenumberoftheprincipalcomponentsincreasesfrom3to5alongwiththeincreaseofthecontdbutionrateofinformationaccumulationfrom93．09％to98．37％andthedecreasesofthemeanrelativeelrorfrom0．2507％to0．20