基于BP神经网络和GM(1,1)模型的银川市需水量预测分析

作者：魏越; 苏笑曦; 于浩^*; 张尧

来源：水利科学与寒区工程, 2023, 6(02): 71-75.

• 需水量预测
• BP神经网络
• 机器学习
• GM(1,1)模型
• 银川市

本文基于银川市2001—2020年统计数据，分析了影响城市需水量的关键因素及其相关性，分别构建了BP神经网络和GM(1, 1)需水预测模型并进行了精度分析。结果表明：需水量与人均用水量呈极显著正相关，相关系数0.723(P=0.01);BP神经网络预测模型模拟精度为0.16%～1.15%,均方根误差(RMSE)和平均绝对百分比误差(MAPE)分别为0.1015和0.23%;构建了GM(1, 1)预测模型■,精度为Ⅱ级，模拟平均误差1.03%,RMSE和MAPE分别为0.4748和1.56%。分析认为BP神经网络模型更适用于银川市需水量的预测。

• 单位
  建筑工程学院; 西北农林科技大学