-
题名改进GM(1,1)-ARMA模型的工业用水量预测
- 1
-
-
作者
高华昆
杨杰
-
机构
安徽省城建设计研究总院股份有限公司
皖西学院建筑与土木工程学院
-
出处
《吉林水利》
2025年第3期60-64,共5页
-
基金
安徽高校自然科学研究重点资助项目(KJ2017A409)
皖西学院2024年度校级自然科学重点项目(WXZR202420)。
-
文摘
工业用水量预测是水资源管理的一个重要领域,为准确预测工业用水量的变化趋势,文章利用灰色系统理论,建立了安徽省工业用水量预测的GM(1,1)模型。由于传统GM(1,1)模型预测精度不符合要求,在原有的GM(1,1)模型的基础上引入幂函数优化原始值改进GM(1,1)模型,为进一步提高预测精度引入ARMA进行残差修正,建立了改进GM(1,1)-ARMA模型,并将上述2种改进模型应用到安徽省工业用水量预测中,预测出安徽省2025年工业用水量为77.74亿m3、2030年为74.60亿m3。结果表明:2种改进GM(1,1)模型的方法优于传统GM(1,1)模型的预测精度,根据预测结果,可分析出2027~2030年安徽省工业用水量将在74.60亿m3左右波动。
-
关键词
改进GM(1
1)模型
ARMA
残差修正
工业用水量预测
-
分类号
TV213.4
[水利工程—水文学及水资源]
-
-
题名基于混合策略改进SSA-SVM的工业用水量预测
被引量：2
- 2
-
-
作者
曹敬椿
卢敏
-
机构
云南省水利水电勘测设计研究院
云南农业大学水利学院
-
出处
《水电能源科学》
北大核心
2023年第9期28-31,共4页
-
文摘
为实现工业用水量预测和提高预测精度,引入混合策略对麻雀搜索算法(SSA)进行优化以提高全局搜索能力,采用改进后的麻雀搜索算法(ISSA)优化支持向量机(SVM)参数,建立基于混合策略改进麻雀搜索算法优化的支持向量机模型(ISSA-SVM),并将该模型应用于宁夏的工业用水量预测中。结果表明,ISSA-SVM模型寻优速度快、训练和预测精度高,将其应用于工业用水量预测中具有良好的适用性和可行性。
-
关键词
支持向量机
工业用水量预测
麻雀搜索算法
自适应惯性权重
纵横交叉策略
-
Keywords
support vector machine
industrial water consumption forecast
sparrow search algorithm
adaptive inertia weight
criss-cross strategy
-
分类号
TV213.9
[水利工程—水文学及水资源]
TU991.31
[建筑科学—市政工程]
TP183
[自动化与计算机技术—控制理论与控制工程]
-
