城市供水DMA短期需水量预测比较研究

何必仕，熊晓锋，蔡华强，洪嘉鸣

(杭州电子科技大学自动化学院，浙江 杭州 310018)

城市供水DMA短期需水量预测比较研究

何必仕，熊晓锋，蔡华强，洪嘉鸣

(杭州电子科技大学自动化学院，浙江 杭州 310018)

针对城市供水独立计量区域(DMA)实例，运用自回归积分滑动平均模型、Elman神经网络、广义回归神经网络以及最小二乘支持向量机模型进行城市供水管网短期需水量预测.结合节假日、天气状况及温度等因素对用水量的影响，修正了相应模型，进一步提高了需水量预测精度.实例计算结果表明，4种模型均能用于城市供水短期需水量预测，其中结合天气及节假日因素的最小二乘支持向量机模型具有更高的预测精度.

城市供水；需水量预测；ARIMA；ELMAN；GRNN；LSSVM

0 引 言

城市供水独立计量区域(District Metering Area，DMA)短期预测是实现供水生产科学管理、动态调度以及管网异常侦测的重要依据.但是局部用水量的波动和不确定性给需水量预测带来了困难.需水量短期预测方法一般分为时间序列方法、结构分析方法和系统方法[1].其中移动平均法[2]、指数平滑法[3]、趋势外推法[4]、季节变动法[4]等属于时间序列方法；回归分析法[5-6]等属于结构分析方法；灰色预测[7]、人工神经网络[8]、支持向量机[9-10]等属于系统方法.其中，回归分析法模型简单、方便但受多种因素综合影响，导致难以选择影响因素；时间序列模型预测精度较好、数据处理简单但是并不适用于变化较大的情况；系统方法具有自学习能力强、非线性处理好……