浅谈给水的规划中如何确定需水量.docVIP

浅谈给水的规划中如何确定需水量 　　 【摘 要】城市需水量预测主要包括综合生活用水量、工业用水量、园林绿化用水量、管网漏失和未预计水量四大部分的预测。其中有很多复杂的因素需要考虑，所以在给水规划中应科学判断城市的用水发展趋势，运用科学的预测方法来力求精准的确定需水量。对于不同的预测方法应该认真分析，合理取舍。 　　 【关键词】给水规划；需水量；预测 　　 　　 需水量预测是供水管理前提和基础，在水资源日益短缺，同时城市用水量日益增长的今天，需水量预测越来越显现出必要性。越接近于实际的需水预测越能够给城市未来给水系统的方向提供可靠地依据。目前对于需水量的预测有很多方法，根据对数据处理方式的不同，可以简单分类为：时间序列法、结构分析法、系统方法，具体各种方法下还有很多分类。一个确定的模型无法面对用水系统的复杂性。针对不同的情况应该采取相应的措施。本文简要概述几种比较常见的需水量预测方法，以及这些预测方法通常适用于何种情况。 　　 1 回归分析法预测 　　 该预测方法是通过回归分析，寻找预测对象与影响因素之间的因果关系，建立回归模型进行预测。特点是在系统发生较大变化时，也可以根据相应变化因素修正预测值，同时对预测值的误差也有一个大体的掌控，因此适用于长期预测。但是不适用于短期的预测，因为用水量的数据波动一般很大、影响因素众多，并且这些影响因素的未来值的准确预测难度很大，所以避免把回归分析法应用于短期预测中。 　　 回归分析中最重要的是自变量，因为该方法是通过自变量（影响因素）来预测响应变量（预测对象），认为自变量的改变是预测结果改变的诱因。所以自变量的选取及自变量预测值的准确性的，是至关重要的。另外还要求大样本量，要求样本有较好的分布规律，可能出现量化结果与定性分析结果不符的现象。 　　 针对我国普遍的基础数据短缺、预测及决策体系不完善的现状，笔者认为回归分析并不适用于大多数预测体。在抓住系统主要影响因素的基础上，引入的自变量应适当，过多的自变量不仅使计算量增加、模型稳定性退化，还会把使误差累加到响应变量上，造成很大的误差。 　　 2 灰色分析法预测 　　 城市用水系统是一个灰色系统，它既含已知信息，又含未知或未确定信息。因此想要准确的描述这些因素与城市年需水量之间的相关模型是极其困难的。我们需要考虑城市人口、工业发展、人民生活水平等因素有关。这些因素形成了一个多因素、多层次的复杂系统，需水量时间序列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。 　　 灰色系统理论是建立在假定一个系统为不确定性系统的基础上的，并且关于这个系统的信息又不足够通过相关分析或建立模型来表现该系统的特点。灰色系统将每一个随机变量作为一个在特定范围内变化的灰变量，它直接从原始数据序列寻找数据内在的相关规律。根据灰色系统理论原理，可从年需水量时间序列这个综合灰色量本身去挖掘有用信息，利用它的动态记忆特性，建立灰色模型来寻找和揭示系统需水量的内在规律，并以此建立模型，对未来城市需水量作出预测。 　　 灰色系统原理简单、所需样本少、计算方便、预测精度高和可检验性强。但是单纯的灰色预测分析并不十分适用于我国，因为我国水资源需求序列更多的是属于记录时间较短、历史数据较少的一类。只有采用近期的用水量数据进行预测才具有更高的可信度。面对这种情况，很多人对传统灰色模型进行了改进，利用传统模型与原始数据间的差值建立残差模型和递补模型，对城市未来生活用水量进行预测。进一步拓宽了灰色预测模型的应用范围，为城市需水量预测提供了一种更为精确有力的工具。这两种模型可以在许多原始数据不足的情况下有效地对系统未来发展趋势进行预测，适于我国现状。 　　 值得注意的是灰色残差模型与灰色递补模型。它们比传统的灰色模型更加的接近实际，因为此两种模型都能及时考虑系统发展过程中的干扰因素，并且拥有将误差返回的模拟系统重新整合调整的功能，方便于使模拟系统随时处于最新的状态，更能反映出系统当前特征。 　　 3 人工神经网络预测 　　 人工神经网络（简写ANNs）是一种模范动物神经网络行为特征，进行分布式并行信息处理的算法数学模型。这种网络依靠系统的复杂程度，通过调整内部大量节点之间相互连接的关系，从而达到处理信息的目的。人工神经网络可以通过预先提供的一批相互对应的输入－输出数据，分析掌握两者之间潜在的规律，最终根据这些规律，用新的输入数据来推算输出结果。人工神经网络是被学术界称为无模型，该方法实际上是对系统的一种黑箱模拟，更适于短期预测和动态预报短期负荷值以及动态训练系统。 　　 人工神经网络预测在需水量的预测上不乏成功的实例。但是对于长期需水量目前还未见有人进行研究。而且即使能得到预测，较高的预测精度，由于其“黑箱操作”对制定用水政策、提高水的利用率方面并