准确的短期用水预测是优化供水系统的基础,对城市水资源实时调度和城市供水系统调度有着重要意义。为了克服传统的神经网络预测模型训练时间长、易于陷入局部最优的预测结果,且在少量数据样本情况下预测精确度不足的缺点,本文提出了一种基于遗传算法-极限学习机的城市短期用水预测方法。在引入相关影响因素的基础上,用擅长全局搜索和并行搜索的遗传算法对极限学习机参数进行寻优。结果表明,本模型的预测精度较高,日均绝对百分比误差仅为2.19%,具有较强的实用价值,为未来水资源实时调度提供理论依据。
科研之友
微信
新浪微博
Facebook
分享链接
