卡爾曼濾波和混合智能算法在城市日用水量預測的應用研究.pdf

1、隨著經濟、人口的持續(xù)增長，城市對水資源需求急劇增加，然而水資源污染問題日趨嚴重，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驗的管網人工調度方式，但該調度方式很難全面、客觀地反映管網運行情況，導致供水管網漏損、爆管等頻發(fā)以及大量寶貴水資源的浪費。實現科學的管網優(yōu)化調度，能夠顯著地提高供水系統(tǒng)運行的安全性、經濟性和可靠性，能夠極大緩解城市水資源短缺問題。準確、快速地預測城市日用水量，能夠為實現科學的管網優(yōu)化調度提供重要的決策

2、依據，具有重要的理論和經濟意義。
　　本文系統(tǒng)地總結了國內外城市日用水量預測研究進展，針對傳統(tǒng)日用水量預測一般未提出預測前是否需要更新以及如何更新模型參數的不足，將卡爾曼濾波和混合智能算法應用于城市日用水量預測，主要研究內容如下：
　　1、分析日用水量序列相關性，得出預測日用水量與該日前6天日用水量高度相關的結論。為了驗證日用水量影響因素對預測日用水量的重要性，引入自適應遺傳算法(GA)優(yōu)化最小二乘支持向量機(LSSVM)參

3、數，分別以預測日前6天的日用水量為輸入和以預測日用水量的主要影響因素和預測日前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。預測結果驗證了模型2具有更高的預測精度，驗證了日用水量影響因素對預測日用水量的重要性。
　　2、利用具有較強全局尋優(yōu)能力的自適應遺傳算法對基于最小二乘支持向量機歷史日用水量模型參數尋優(yōu)，根據獲得的模型參數序列采用卡爾曼濾波法估計基于 LSSVM模型的參數，分別建立了以預測日前6天的日用