摘要
区域需水量预测是水资源规划与管理的重要基础.传统的回归预测、灰色预测等方法在区域需水量预测中存在需要大样本量和建模复杂等问题,本文通过灰色关联分析法,设置灰色关联度阈值确定需水量主要影响因子,将其和实际需水量作为BP神经网络的输入和输出,建立灰色关联分析和BP神经网络组合预测模型.以江西省为例,利用2004年-2014年需水量数据对模型进行训练和检验;将模型预测结果与GM(1,1)预测模型和时间序列模型计算结果进行对比发现:灰色关联分析和BP神经网络组合预测模型的平均相对误差仅为0.54%,远低于GM(1,1)预测模型的2.98%和时间序列模型的2.53%,表明该组合预测模型预测精度高,并预测江西省未来需水量.
NETL
NSTL
万方数据