加权平均集成神经网络模型在城市需水预测中的应用.pdfVIP

第30卷第2期 水资源保护 2014年3月 V01．30No．2 WATER RESOURCESPROTECTl0N Mar．2014 DOI：10．3969／j．issn．1004—6933．2014．02．006 加权平均集成神经网络模型在城市需水预测中的应用 崔东文 (云南省文山州水务局，云南文山663000) 摘要：针对单一神经网络模型预测误差波动大、精度不高等问题，提出基于SVM、BP和Elman神经 网络基本模型的加权平均集成需水预测模型。首先，利用相关分析和ADF单位根检验，选取需水 预测主要影响因子。为避免模型过度拟合，引入虚拟维，并针对BP、Elman神经网络标准算法收敛 速度慢、易陷入局部极值的不足，采用自适应动量算法改进BP和Elman神经网络标准算法，依次 加权平均方法对各单一模型预测结果进行综合集成。结果表明：利用加权平均集成模型对上海市 3．6995％，精度和泛化能力均大幅优于各单一模型。说明本研究建立的加权平均集成模型用于需 水预测是合理可行和有效的，它综合了各单一模型的优点，有效避免了单一模型预测误差过大和不 稳定的缺点，具有预测精度高、泛化能力强、误差变化幅度不大等特点。 关键词：需水预测；支持向量机；BP神经网络；Elman神经网络；加权平均集成模型 中图分类号：TV213．4 文献标志码：A of neuralnetworkmodelto Applicationweightedaverageintegrated demand urbanwater forecasting Water BureauYunnan (Wenshan of Province，Wenshan663000，China) Conservancy low neuralnetworkmodelhasthe ofa oferrorfluctuationand Abstract：Asingle disadvantageslargedegree solvethese waterdemandforecastmodelwas weightedaverageintegrated developed precision．To problems，a neural andanADFtestoftheunit basedonthe Elman network SVM，BP，and models．First，correlation analysis rootwereconductedtoselectthemainfactorsinwaterdemand ordertoavoidmodel forecasting．In overfitting，the Was overcomethe theslow and virtualdimensionintroduce