短期需水量预测是城市给水管网安全稳定运行的前提和保证.针对日需水量预测提出一种基于尖峰机制的自组织模糊神经网络(SSOFNN)模型.针对影响变量复杂多变的特点,采用主成分分析对原始数据进行降维处理,获取线性无关的主成分变量作为预测模型输入数据.SSOFNN模型根据尖峰强度和误差指标在训练过程中对隐含层神经元进行增长修剪,结合改进Leveberg-Marquardt算法简化参数更新过程中的计算过程,大大减少了计算量,能够获得紧凑的网络结构,且跟踪精度高,运行时间短,预测效果好.
2021-12-22 22:16:26
489KB
1
以洞庭湖区24个气象站1960―2011年降水量资料为基础数据，利用气候倾向率、Mann-Kendall突变检验法、小波分析等方法分析了洞庭湖区年降水量的变化特征，并采用正交分解函数EOF、旋转正交分解函数REOF计算了洞庭湖区年尺度的标准化降水指数（SPI），分析了洞庭湖区的旱涝时空分布特征。结果表明：洞庭湖区年降水量空间上由北向南逐渐增加，时间上没有显著变化趋势。1963年洞庭湖年降水量发生突变。洞庭湖区年降水量存在6、9a和16―17 a振荡周期。洞庭湖区旱涝频繁，极端气候事件有增加的趋势。洞庭湖区
2021-12-21 19:29:44
698KB
1
--------------------------------------本人博客中的代码成功运行所需的文件----------------------------
2021-12-14 21:51:13
9KB
1
基于矿井涌水量序列具有明显的随机性和灰色特征,建立涌水量GM(1,2)预测模型,以克服灰色GM(1,1)模型对于随机波动大的长序列预测效果差的缺点。以王行庄煤矿为例,针对2012年7月至2013年12月王行庄煤矿18个月的涌水量资料,考虑与之密切相关的L7-8灰岩含水层水位降深,建立了矿井涌水量GM(1,2)预测模型;预测了2014年1—4月的涌水量;并与GM(1,1)预测模型进行模型精度与预测精度的比较。结果表明:GM(1,2)模型的预测精度达到了97.44%,GM(1,1)模型的预测精度为92.60%,GM(1,2)模型明显提高了矿井涌水量的预测精度。
2021-11-28 09:45:43
629KB
1
针对矿井涌水量时间序列的分形与灰色特征,采用重标极差分析法(R/S分析法)确定涌水量时间序列的Hurst指数和平均循环周期,在一个周期内建立等维灰数递补动态GM(1,1)预测模型。充分利用最新信息,提高模型预测精度。运用基于R/S分析法的GM(1,1)模型对陕北某矿矿井涌水量进行分析预测,结果表明,模型拟合程度好,预测精度高,能够为矿井安全生产提供决策依据。
2021-11-28 01:57:21
244KB
1