城市用水量预测研究概况

全国水网2005年年会论文焦 城市用水量预测研究概况 柳会雄 (合肥工业大学土木建筑工程学院，合肥230009) 摘要：研究了城市用水本身规律。城市用水具有周期性、随机性、模糊性、趋势}生．等特点。城市用 水量变化受众多因素影响，说明城市用水量预测的复杂性。详细介绍了国内近年来城市用水量预测方法的 研究进展。可以看出，城市用水量预测模型从不同角度解决了用水量预测的实际问题。基于人工神经网络 (ANN)的模型方法具有较好的预测效果，并得到广泛的应用。但是，由于城市用水和城市管网的复杂性 和非线性，对城市用水量进行复务}生研究有待进一步发展． 关键词：用水量预测人工神经网络时闻序列分析用水量管理 城市用水量预测是水资源优化配置和自来水厂优化调度的前提和依据。城市需水是一个由城市人口、 工业水平、人民生活水平以及社会经济水平共同作用的多因素、多层次的复杂系统，需水量正是该系统内 部各因素之间相互制约、相互影响、协调发展的结果【l】。进行用水量预测必须研究用水本身的规律。根据 城市用水的特点，考虑城市用水的影响因素建立合适的预测模型是行之有效的方法。 l城市用水规律 城市用水量通常包括综合生活用水、工业企业生产用水和工作人员生活用水、消防用水、浇洒道路和 绿地用水、其他未预计水量及管网漏失水量等其他方面的用水12’3】。其中居民生活用水与季节、天气、生活 习惯、卫生设备条件及社会生产活动等因素相关。如假期比平日高，夏季比冬季用水多。尽管城市用水户 繁多，用水性质不同，但对整个管网系统，用水的变化还是有规律可循的。 通过长期大量的观测、统计和分析发现，从短期(小时、日、周)看城市用水量的变化具有周期性、 随机性和相对平稳性；从长期(月、年)看城市用水量的变化则具有随机性和明显的趋势化。短期内城市 用水主要受天气、节假日和管网的影响。而城市中长期用水量的影响因素主要有：工业总产值的影响，人 年均收入水平的影响，水的重复利用率的影响，人口数量及水价的影响和管网运行、管理状况的影响等【3】。 由于城市用水量的变化呈现出长期和短期的不同的用水特点，城市用水量的预测可以区分为两类不同 的预测目的。一类是研究城市短期用水变化特点，解决短期用水预测问题的短期预测；另一类则以研究城 市长期用水的特点为目的，满足长期用水预测要求的长期预测。 2短期预测 短期预测主要是根据过去几天、几周的实际用水记录并考虑影响用水量的各种因素、对未来几个小时、 一天或几天的用水量做出预测，以此为管网系统优化运行和实时调度提供依据【3】。这种预测对预测的精度 要求高，要求预测速度快14J。 为了城市供水的实时优化调度，对用水量进行短期预测的预测方法主要有：时间序列分析方法和人工 神经网络(ArtificialNeuralNetworkANN)模型。 时间序列分析方法主要包括：指数平滑法，自回归一移动平均模型。指数平滑法的特点是历史时间越 近对未来的影响就越大，而历史时间越远对未来的影响就越小。因此需要不断的用预测误差来纠正旧的预 测值，即不断运用“误差反馈”原理来修正预测结果。指数平滑法包括单指数平滑法、自动调整平滑参数的 单指数平滑法、线性指数平滑法、二次曲线指数平滑法和季节性指数平滑法等。将自回归模型和移动平均 模型结合起来就形成了自回归一移动平均模型，用符号ARMA(p，9) 表 关于同志近三年现实表现材料材料类招标技术评分表图表与交易pdf视力表打印pdf用图表说话 pdf 示。不同的方法适用于不同模式的 数据。 时间序列分析方法着重研究对象的历史观测数据和数据模式。将所有观测数据整理排序后，对用水量 数据进行模式识别，选择适当的数学模型，寻找模型的最佳参数，最后对模型的有效性进行检验——这就 是运用时间序列分析方法的建立预测模型的一般过程f3】。 ．18． 全国水网2005年年会论文集 吕谋等人13，5】针对城市是用水量变化存在周期性、趋势性及随机性成分共存的现象，提出既有季节性(周 期性)因素影响，有趋势性因素影响的预测问题，采用季节性指数平滑方法。此外，鉴于是用水量序列具 有24时及168时两种周期变化的统计分析特点，在两种周期的季节性指数平滑模型预测结果的基础上， 引入了两种结果的优化权重组合预测方法。该模型在经过动态调整后，进入稳定时段时，其精度是最高的， 可直接应用于实际预测中I^川。 柳景青等人16J对时用水量预测的残差中的混沌成分进行了验证，为城市是用水量的短期准确预测提供 了新的研究思路。说明了时用水观测序列中存在有较为明显的混沌成分，使得城市时用水量较难进行长期 准确的预测。混沌建模预测方法的引入对城市时用水量预测结果精度的提高是有益的。 3长期预测 长期预测一般是以水资源规划为目的的年预测，他要求预测周期长，考虑因素多【4’丌。进行用水长期预 测的主要方法有：灰色系统方法、回归分析方法、系统动力学建模、指标分析法、经济学原理建模和人工 神经网络(ANN)模型。 灰色预测是指对本征灰色系统，根据过去及现在己知的或未确定的信息建立一个从过去延伸到将来的 灰色模型，从而确定系统在未来发展变化的趋势【3J。较常用的一个灰色预测模型是GM(1，1)。张雅军等【8】 入将该模型应用于北京市的需水量预测。GM进行较短周期的预测可得到较好的效果，若周期较长则可靠 度降低。该方法所需的数据量不大，在数据缺乏时十分有效【4J。 回归分析方法是一种结构分析方法。它靠建立预测对象与影响因素之间的简单关系模型，通过研究影 响因素的变化规律间接反映出预测对象的变化规律【4，9J。张雅军等【9】从多元线性回归的特点出发，探讨北京 城市生活需水量的影响因素，并对选定的影响因素进行回归分析，确定了最终的预测方程，应用该方程对 北京市2010年的生活需水量进行了预测。 系统动力学方法把所研究的对象看着是有复杂反馈结构的随时间变化的动态系统，建立系统的结构方 程，从而预测系统未来。张雅军等人从系统动力学角度分析了城市用水系统的水资源约束，建立了系统的 负反馈关系。该方法使模型的逻辑上与现实情况相符合，为准确地进行需水量长期预测提供依据【刀。 指标分析法是通过对用水系统历史数据的综合分析，制定出各种用水定额，然后根据用水定额和长期 服务人口(或工业总产值等)计算出远期的需水量[41。周广安IlUJ从工业用水的影响因素出发，提出建立“动 态用水定额”数学模型，以曲线方程的形式表示企业产品用水定额解决企业产品结构、生产规模、用水水 平和季节变化等因素对用水定额的影响问题。 胡连起【lll、沈大军[121等人经济学原理出发，研究了需水函数的影响因素。胡连起等人【111分析了城市家 庭用水需求价格弹性的变化范围，收入弹性，家庭用水需求曲线，提出了水价和家庭需水量动态管理的概 念。沈大军沈大军ll列等人的研究则表明对需水影响较大的是供水人口，职工平均工资的增长；价格对需水 量的影响并不显著，但现阶段价格仍然可以作为一个抑制需求的有效手段。 4人工神经网络(ANN) 人工神经网络(ANN)是由简单处理单元所组成的大量并行分布的处理机，这种处理机具有存储和应 用经验知识的自然特性【13J。正是ANN的这种优良的特点使得ANN广泛应用于城市用水量预测。ANN与 其他方法结合不可以进行用水长期预测，还可以进行短期预测。 李杰星【14】、方浩【15】等人利用模糊神经网络实现了用水量的长期预测。薛小杰【16】人则将ANN和遗传算 法结合来对用水量进行长期预测。刘洪波f17】、单金林【I引、李斌【l9】等则分别运用ANN实现了用水量的短 期预测。 ANN对系统进行的是黑箱模拟，具有非线性特性、大量的并行分布结构以及学习和归纳能力，并能 为缺少物理或统计理解、观察数据中存在着统计变化、数据由非线性机制产生等棘手问题提供有效的解决 方法，使其在用水量预测上得到广泛运用。 5结论 。 根据城市需水量的特点，现有城市用水量预测方法基本能解决工程需要。但是，由于城市用水和城市 管网的复杂性和非线性，对城市用水量进行复杂性研究有待进一步发展，以期能进一步提高预测精度。 ．19． 全国水网2005年年会论文集 参考文献： 【Il魏雪梅，张世英．城市需水预测方法研究m．河北工业大学学报，2003，32(6)：75—79。 【2】严煦世，范谨初．给水工程(第四版)【MI．中国建筑工业出版社，1999，10。 f3】赵洪宾，严煦世．给水管网系统理论与分析fM】．中国建筑工业出版社，2003。 【41张雅军，刘全胜．需水量预测方法的评价与择优【J】．中国给水排水，2001，17(7)：27～29。 【5】 吕谋，赵洪宾，李红卫，等．时用水量预测的自适应组合动态建模方法【J】．系统工程理论与实践，1998，18(8)：101一112。 【6】柳景青，张士乔．时用水量预测残差中的混沌及其预测研究[J】．浙江大学学报(-I"学版)，2004，38(9)：1150--1155，1216。 【7】张雅军，刘全胜，曹红梅，等．城市需水量长期预测中的水资源约束问题【J】．中国给水排水，2002，18(5)：26~27。 【8I张雅军，刘全胜．城市需水量的灰色预测的探讨fJl．中国给水排水，2002，18(3)：79-81。 【91张雅军，刘全胜，冯萃敏．多元线性回归分析在北京城市生活需水量预测中的应用【J1．给水排水，2003，29(4)：26--29。 【lO】周广安．工业动态用水定额数学模型【J】．中国给水排水，2002，18(6)：64--67。 【ll】胡连起，张悦．城市家庭需水量管理参数分析【J】．中国给水排水，1999，15(7)：27-29。 【12】沈大军，杨小柳，王浩，等．我国城镇居民家庭生活需水函数的推求及分析川．水利学报，1999，12：6--10。 【13】高隽．人工神经网络原理及仿真实例【MI．机械工业出版社，2003。 【14】李杰星，章云，符曦．基于模糊神经网络的城市供水系统负荷预测fJ】．给水排水，1999，25(3)：15～18。 【15】方浩，李蓓，石娜，等．基于模糊神经网络的区域需水预测计算模型Ⅲ．西北水资源与水工程，2003，14(4)：l~3。 【16】薛小杰，黄强，惠泱河，等．基于径向基函数神经网络与改进遗传算法的黄河流域需水预测叨．水土保持学报，2002，13 (3)：83—86。 【l7】刘洪波，张宏伟，田林．人工神经网络预测时用水量【J】．中国给水排水，2002，18(12)：39-41。 【18】单金林，戴雄奇，李江涛．利用．BP网络建立预测城市用水量模型【J】．中国给水排水，2001，17(8)：61--63。 【19】李斌，许世荣，柏光明，等．灰色——神经网络组合摸型预测预测城市用水量【月．中国给水排水，2002，18(2)：66--68。 ．20·