科研之友
微信
新浪微博
Facebook
分享链接
摘要
为提高用水总量预测的准确性,针对现有方法中存在的非线性多维用水因子选取不合理的问题,提出一种融合KPCA(核主成分分析)和BP神经网络的用水总量预测方法。使用皮尔逊相关系数对用水因子进行相关性分析,选择与用水总量最相关的多个因子作为数据输入,利用KPCA对预测因子进行降维处理,解决数据间的非线性特征,再采用BP神经网络建立用水总量预测模型,网络的权值和阈值采用思维进化学习算法进行调优。采用国家统计局2007—2016年度开放统计用水数据进行实验,结果表明:融合KPCA和BP的用水总量预测方法相对预测误差小于5%,预测用水精度有明显提升,可以较好预测未来用水总量,为高维非线性数据的预测提供新的优化思路。
-
单位水利部水利信息中心
