基于小波神经网络的城市小时用水量预测研究

摘要

城市小时用水量预测是城市供水系统优化调度的前提和基础.建立恰当的预测数学模型,准确的预测小时用水量,可以大幅度的提高优化调度的水平,极大的提高调度决策的可靠性及实用性,同时为诊断管网异常和提高管理水平提供依据.该文通过对城市用水量序列的统计及机理分析,根据小时用水量的变化特征,建立了小时用水量的小波神经网络预测模型.步长的合理选择是小波神经网络训练的核心,该文分析了目前常用的小波神经网络训练方法.在此基础上,改进了步长自适应调节算法,仿真结果说明该文所提出的算法是有效的.论文深入分析了各种影响因素与城市小时用水量之间的关系,建立了城市小时用水量的小波神经网络预测模型,给出了模型的求解算法,并与BP神经网络预测模型、自适应组合动态预测模型进行了仿真比较.仿真结果表明,小波神经网络预测模型的预测精度是很高的,可以满足城市供水系统优化调度对用水量预测精度的要求.

目录

文摘

英文文摘

第1章绪论

1.1选题背景和意义

1.2城市用水量序列预测的研究现状

1.3小波神经网络的研究现状

1.4本文研究内容及结构安排

第2章小波分析理论基础

2.1 FOURIER分析简介

2.2小波分析理论基础

2.3小波变换的重要性质

第3章基于小波神经网络的预测算法研究

3.1神经网络理论基础

3.2小波神经网络的结构优化方法研究

3.3.1神经网络预测模型及训练方法

3.3.2小波神经网络的结构优化研究

3.3小波神经网络的步长改进算法研究

3.4.1步长的改进算法

3.4.2仿真实例

3.4小波神经网络训练算法需解决的问题

3.5小结

第4章基于小波神经网络的小时用水量预测

4.1城市用水量规律的分析

4.2小时用水量预测的常规方法分析

4.3小时用水量的自适应组合动态预测

4.3.1小时用水量的自适应组合动态预测模型

4.3.2仿真实例分析

4.4小时用水量的人工神经网络预测

4.4.1用水量序列的预处理

4.4.2小时用水量的人工神经网络预测模型

4.4.3仿真实例分析

4.5小时用水量的小波神经网络预测

4.5.1小时用水量的小波神经网络预测模型

4.5.2预测模型隐层神经元数量的F检验法

4.5.3小波神经网络预测模型的改进学习算法

4.6几种预测方法的对比分析

4.6.1仿真预测

4.6.2仿真性能分析

4.7小结

第5章结论

参考文献

攻读硕士学位期间发表的论文及参加的科研项目

致谢