数学建模城市供水量预测问题及解答.doc

数学建模 城市供水量预测 摘 要 本文对城市计划供水量进行了预测分析，并结合预测数据提出了具体的节水调价方案。 首先，利用Excel软件对附件中的城市日用水量、水厂供水量、日最高、最低温度等数据进行统计描述，并对原始数据进行预处理，剔除异常数据并利用插值方法补全数据，以使所得数据能尽可能地反映客观实际。 接着，针对第一、二问提出的城市计划供水量和每个水厂的计划供水量预测问题，在忽略温度影响的前提下建立回归分析与灰色系统GM(1,1)组合预测模型，利用SPSS软件采用最小二乘法进行曲线拟合和参数求解，计算结果表明回归分析模型能够较精确地进行大多数时间城市计划供水量的预测；在回归模型预测误差较大的情况下，建立灰色系统GM(1,1)预测模型，利用Matlab软件编程求解出其余时间的预测值，并与回归分析模型的预测数据结合起来，得到最终的预测结果：2007年1月的城市计划供水量为4582.18万吨，一、二号水厂计划供水量分别为2840.37万吨和1766.92万吨。此外,考虑到数据具有季节性，采用时间序列分析的方法求解1月份各指标的预测值。在模型的检验中对预测结果进行了残差检验，验证了预测结果精度优良。 随后，在对日最高、最低温度与日用水量的相关分析中，发现温度与用水量呈部分相关，且在五至九月相关系数较大。进而在考虑温度影响下建立多元线性回归模型，将气温因素对供水量的影响从总水量中提取出来进行预测，其方程与线性趋势项之和为最终供水预测方程，根据方程求得2007年1月的城市计划供水量为4882.53万吨，一、二号水厂计划供水量分别为2862.54万吨和1800.70万吨。 最后，针对第三问提出的水价调整问题，用需求价格弹性指数E刻画居民对水的需求，进而建立水价与用水需求之间的函数关系，利用非线性回归求得水价调整预测方程，并依据此方程分别求出在五、六、七、八月调价的四种调价方案对应的综合水价。 本文主要采用统计的方法，利用Excel、SPSS、 Eviews、Matlab等软件进行数据处理、参数估计及模型计算。在样本足够大的前提下，本文建立的模型具有很强的普适性，且在对预处理后的数据做分析时，具有误差小、精度高等优点。 本文在结尾部分对城市供水量的不同预测模型和结果进行了精度分析和残差检验，并指出了需要进一步研究的问题。 关键词：供水量预测；回归分析；灰色预测；时间序列；水价调整 一、问题重述 城市供水作为城市重要的基础设施之一，是城市功能的重要组成部分，与城市环境、居民生活和工农业生产息息相关，直接影响到城市的稳定发展。 为了节约能源和水源，供水公司需要根据日供水量记录估计未来一时间段（未来一天或一周）的用水量，以便安排未来（该时间段）的生产调度计划。 现在有某城市7年的历史记录，记录中给出了日期，每日用水量（吨/日）；当日的最高温度和最低温度；一号水厂和二号水厂日供水量。 请充分地利用这些数据建立数学模型给出 1．预测2007年1月份城市的计划供水量。 2．预测2007年1月份城市中每个水厂的计划供水量。 3．由于水资源的匮乏，必须要节约水资源。除制定法规和加强宣传外，提高水价格也是节水的主要措施。采用每年调一次水价的措施，希望2007年8月份的供水量不超过5045万吨，请确定合理的水价调整方案。 附表1：2000-2006年的调价方案 调价日期 2000.05 2001.06 2002.05 2003.06 2004.07 2005.06 2006.08 调价后综合 水价（元/吨） 3.0 3.4 3.9 4.3 4.7 5.0 5.2 注：月初调整水价 二、模型假设 假设短期内社会状况没有大的波动； 假设两水厂的供水量能满足社会需求； 假设对城市用水量的影响起决定性作用的因素主要是温度和价格； 假设水价调整在一个周期内对每个月水需求量的影响相同。 三、符号说明 ——时间； ——季节指数； ——需求价格弹性指数； ——原水价； ——调整后的水价； ——水价调整前的水需求量； ——水价调整后的水需求量； 四、问题分析 4.1 问题背景的理解 城市用水主要包括生活用水、生产用水、绿化用水以及其他不可预测水量等几部分，其用水量总在不停地发生着变化。众多的统计研究表明：年用水量变化受气候温度因素影响比较大，具有明显的趋势性和随机性；季度用水量明显受春暖、夏热、秋凉和冬冷等季节气候因素影响，具有显著的季节性；月用水量的影响因素较多，例如平均气温、节假日量等，具有平稳性、交变性和季节性；日用水量的影响因素最多、最复杂，日最高温度、日最低气温、平均温度、节假日与否等都会对日用水量的变化产生影响。日用水量预测在各类城市用水预测中具有异常特殊的地位，它不仅能直接指导水厂的生产，更能为水厂间的优化调度提供可靠的技术支持，故比较准确地进