卡爾曼濾波和混合智能算法在城市日用水量預(yù)測(cè)的應(yīng)用研究.pdf

1、隨著經(jīng)濟(jì)、人口的持續(xù)增長，城市對(duì)水資源需求急劇增加，然而水資源污染問題日趨嚴(yán)重，加劇了城市水資源供需間的矛盾。目前我國大部分城市采用基于經(jīng)驗(yàn)的管網(wǎng)人工調(diào)度方式，但該調(diào)度方式很難全面、客觀地反映管網(wǎng)運(yùn)行情況，導(dǎo)致供水管網(wǎng)漏損、爆管等頻發(fā)以及大量寶貴水資源的浪費(fèi)。實(shí)現(xiàn)科學(xué)的管網(wǎng)優(yōu)化調(diào)度，能夠顯著地提高供水系統(tǒng)運(yùn)行的安全性、經(jīng)濟(jì)性和可靠性，能夠極大緩解城市水資源短缺問題。準(zhǔn)確、快速地預(yù)測(cè)城市日用水量，能夠?yàn)閷?shí)現(xiàn)科學(xué)的管網(wǎng)優(yōu)化調(diào)度提供重要的決策

2、依據(jù)，具有重要的理論和經(jīng)濟(jì)意義。
　　本文系統(tǒng)地總結(jié)了國內(nèi)外城市日用水量預(yù)測(cè)研究進(jìn)展，針對(duì)傳統(tǒng)日用水量預(yù)測(cè)一般未提出預(yù)測(cè)前是否需要更新以及如何更新模型參數(shù)的不足，將卡爾曼濾波和混合智能算法應(yīng)用于城市日用水量預(yù)測(cè)，主要研究內(nèi)容如下：
　　1、分析日用水量序列相關(guān)性，得出預(yù)測(cè)日用水量與該日前6天日用水量高度相關(guān)的結(jié)論。為了驗(yàn)證日用水量影響因素對(duì)預(yù)測(cè)日用水量的重要性，引入自適應(yīng)遺傳算法(GA)優(yōu)化最小二乘支持向量機(jī)(LSSVM)參

3、數(shù)，分別以預(yù)測(cè)日前6天的日用水量為輸入和以預(yù)測(cè)日用水量的主要影響因素和預(yù)測(cè)日前6天的日用水量為模型的輸入，建立基于GA-LSSVM的模型1和模型2。預(yù)測(cè)結(jié)果驗(yàn)證了模型2具有更高的預(yù)測(cè)精度，驗(yàn)證了日用水量影響因素對(duì)預(yù)測(cè)日用水量的重要性。
　　2、利用具有較強(qiáng)全局尋優(yōu)能力的自適應(yīng)遺傳算法對(duì)基于最小二乘支持向量機(jī)歷史日用水量模型參數(shù)尋優(yōu)，根據(jù)獲得的模型參數(shù)序列采用卡爾曼濾波法估計(jì)基于 LSSVM模型的參數(shù)，分別建立了以預(yù)測(cè)日前6天的日用