基于神经网络的南京市用水量预测

欢迎来到能源电力期刊网！

English Version 读者登录期刊登录

您当前的位置：

首页 >

文章列表页 >

基于神经网络的南京市用水量预测

水文水资源与环境 | 更新时间：2026-02-25

- 基于神经网络的南京市用水量预测
- 基于神经网络的南京市用水量预测
- 水电能源科学 2023年第12期页码：28-31
- 作者机构：
  
  1. 南京信息工程大学气象灾害预报预警与评估协同创新中心
  2. 南京信息工程大学应用气象学院江苏省农业气象重点实验室
  3. 江苏省水文水资源勘测局南京分局
- 作者简介：
- 基金信息：
  
  国家重点研发计划(2018YFC1506606);江苏省碳达峰碳中和科技创新专项资金项目(BK20220017)
- DOI：10.20040/j.cnki.1000-7709.2023.20230267
  中图分类号： TP183;TU991.31
- 纸质出版：2023
- 稿件说明：
移动端阅览
王浏琳, 陈家栋, 张方敏. 基于神经网络的南京市用水量预测[J]. 水电能源科学, 2023,(12):28-31.

王浏琳, 陈家栋, 张方敏. 基于神经网络的南京市用水量预测[J]. 2023, (12): 28-31.
王浏琳, 陈家栋, 张方敏. 基于神经网络的南京市用水量预测[J]. 水电能源科学, 2023,(12):28-31. DOI： 10.20040/j.cnki.1000-7709.2023.20230267.

王浏琳, 陈家栋, 张方敏. 基于神经网络的南京市用水量预测[J]. 2023, (12): 28-31. DOI： 10.20040/j.cnki.1000-7709.2023.20230267.

分析南京市用水量现状，合理预测南京市用水量，掌握未来用水需求，对南京市水资源的长远规划和配置具有重大意义。对南京市2009～2019年用水量分析表明，工业、农业用水在南京市总用水量中比重较大，对总用水量的变化起着至关重要的作用。其次，采用灰色预测GM(1

1)模型与Elman神经网络的组合模型预测南京市各区及全市总用水量。结果表明，灰色Elman神经网络模型对2009～2019年南京市全市总用水量的预测效果良好，预测的相对误差均小于3.5%

预测结果的多年平均相对误差为1.55%;在南京市2019年各区用水量预测中，预测结果的相对误差均小于8.5%

效果较好。可见所用模型能准确地预测南京市用水量，对有效控制区域用水量，实现“四水四定”原则具有重要意义。

基于Elman神经网络的COVID-19传播特性预测[J]. 刘拥民;罗皓懿;胡珊.计算机应用与软件,2022(10)

基于灰色预测模型的参数寻优方法及能源预测应用[J]. 苏琪;王海波;施晓辰;李桂鑫;孙阔.南昌大学学报(理科版),2022(03)

南京市水资源脆弱性动态变化及驱动因素分析[J]. 张真真;单延功;陈家栋;刘月.水利发展研究,2022(03)

3种用水量预测方法在京津冀地区的适用性比较[J]. 白鹏;龙秋波.水资源保护,2021(02)

基于灰色预测和Elman神经网络的全国用水量预测[J]. 陈嘉彤;温立书;谭雅心.江西科学,2018(06)

基于灰色Elman神经网络转炉吹氧量的预测[J]. 张子阳;孙彦广.计算机应用与软件,2018(11)

城市需水预测方法综述及应用调研[J]. 杨舒媛;王军;魏保义;杨东方.北京规划建设,2016(04)

灌溉用水量的并联型灰色神经网络预测[J]. 迟道才;唐延芳;顾拓;于淼;李峥;马宗正.农业工程学报,2009(05)

浏览量

290

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于多源气象资料与机器学习的降水数据质量控制方法研究

CEEMDAN分解与机器学习耦合模型在林海水库入库径流预报中的多尺度适用性分析

大型水轮发电机定子绕组温度智能预测方法

基于Stacking集成框架的预报降水统计后处理研究

基于可解释性机器学习算法的珠江河口区咸潮上溯预报