基于BP神经网络的城市时用水量分时段预测模型

向平，张蒙，张智，张南

(1. 重庆大学 三峡库区生态环境教育部重点实验室，重庆，400045；2. 重庆大学 城市建设与环境工程学院，重庆，400045；3重庆中法供水有限公司，重庆，400021)

城市时用水量的预测是供水系统优化调度决策的前提，预测精度直接影响到调度决策的可靠性和实用性。直接的时用水量预测是一种简单有效的预测方法，国内外学者主要致力于模型及算法改进方面的研究[1-7]，对时用水量影响因素分析较少，且在选择影响因素时并未深入分析各个小时和时间段的主要影响因素，具有很强的主观性[8-10]。对此本文作者分析各小时用水量影响因素，提取不同时段的主要影响因素，建立时用水量的分时段预测模型，并采用 BP神经网络进行预测。

1 主影响因素分析

城市时用水量相关的外部影响因素主要包括气候因素和社会因素2大类，气候因素主要有日最高气温(tmax)、日最低气温(tmin)、日平均气温(tave)、空气湿度和阴晴情况等，由于C市潮湿的特点，可以忽略空气湿度的影响；社会因素包括经济增长因素和日期因素等。对于时用水量预测这样的短期预测而言，在较短的研究时段内，经济增长因素是可以不考虑的。通过分析外部影响因素与城市时用水量的相关性，筛选出各时用水量的主要影响因素。通过分析 C市某片区2010年气温较高的8月份连续21 d时用水量实测数据(图1)及相应的气象资料和日期量数据(图2和表1)，得出时用水量的主要影响因素。

首先，根据阴晴量和日期量对时用水量的实际影响情况，对其进行量化，数字化对照表见表 2。……