导读:本文包含了需水量预测论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:需水量,平凉市,赣江,定额,作物,海晏县,灰色。
需水量预测论文文献综述
贾腾飞,刘晓辉[1]（2019）在《漳河跨界河流区域农田灌溉需水量预测》一文中研究指出漳河跨界河流区,水资源开发程度高,灌区规模大,农业需水量占全区总需水量的80%以上。本文结合漳河跨界河流区农田灌区规模,以2015年为现状年,2020年和2030年为预测年,并设计平、枯、特枯水年叁种水利年型,对区域灌区农业用水高峰月份进行需水量预测。计算结果显示:2020年红旗渠灌区需水量最大,小跃峰渠灌区需水量最小;20230年大跃峰灌区需水量最大,小跃峰渠灌区需水量最小。(本文来源于《南方农机》期刊2019年23期）
董云程,周明,杜坤,卢慢,黄乐烽[2]（2019）在《城市需水量预测方法与模型综述》一文中研究指出通过需水量预测能实现城市供水系统最优控制,以达成供需平衡和节约能耗目的。分析2010-2019年部分有关城市需水量预测相关文献,对现有城市需水量预测方法与模型进行综述,提出目前需水量预测存在的问题及建议,为城市需水量预测后续研究提供基础与借鉴。(本文来源于《软件导刊》期刊2019年12期）
韩慧健,宋馨芳,张慧[3]（2019）在《一种城市需水量预测的模糊认知图方法》一文中研究指出系统运作的状态数据是复杂因素相互作用的产物,需水量的变化受到多种因素相互影响。传统的基于时间序列预测方法预测变量较单一,忽略了系统各因素的因果关系。因此,文中提出了一种新的预测方法—模糊认知图(FCM),其恰好拥有这种特性,它是一种带权重值的模糊反馈推理机制,量化表示概念间的因果关系,模拟整个系统运转。文中将模糊认知图和遗传算法相结合构建城市需水量模型,搜集整理了2001-2010年间的数据进行训练,最后采用2011-2015年间的数据来进行验证与测试。结果表明:在五年平均相对误差方面,非线性趋势模型为5.91%,BP神经网络为1.83%,提出的方法为1.34%,因此所提方法的预测精度较高、泛化性能良好。根据实验数据分析可得,未来济南市对于水资源进行管理时,要在合理把控万元国内生产总值用水量和万元工业增加值用水量的同时,加大城市工业用水重复率和居民生活用水回收率。该模型为城市需水量的预测和分析提供了一种更有效的方法。(本文来源于《计算机科学》期刊2019年S2期）
付泽伟,杨银科,王天尧[4]（2019）在《基于改进的非线性优化GM(1,N）模型的海晏县城镇生活需水量预测》一文中研究指出为满足海晏县城镇生活需水量要求,基于海晏县2008～2017年的城镇生活需水量资料,利用改进的非线性优化GM(1,N)模型、BP神经网络模型、传统灰色预测GM(1,N)模型和灰色Verhulst模型对海晏县实际需水量进行拟合预测,得到改进的非线性优化GM(1,N)模型预测精确最高。利用该模型预测海晏县未来不同时期(2020、2025、2035年)的生活需水量,并从人口自然增长率、城镇化建设和外来人口迁移叁个方面分析了海晏县2020～2035年城镇需水量过快增长的原因,对海晏县进行合理的水资源优化配置、缓解日益严重的供需矛盾具有一定的指导作用。(本文来源于《水电能源科学》期刊2019年10期）
李慧敏,王小胜,刘欣欣,安笑洁[5]（2019）在《基于理想边界和多元逐步回归模型的城市生活需水量预测》一文中研究指出精准的生活需水量预测可为水资源管理部门调控供需提供数据支撑。由于测量过程中受诸多不确定因素的影响,观测值的测量结果不以单一的数值存在,利用区间数值可以很好描述这一不确定性的范围。现有预测区间的算法需要繁琐的参数搜索过程,本文算法可简化该过程。首先,利用一种初始区间设定办法得到区间宽度,作为本文初始绝对宽度构造区间上下界。其次,对上界集和下界集分别建立多元逐步回归模型预测城市生活需水量的区间上下界,以预测区间覆盖率、预测区间宽度、预测区间对称性和均方根误差作精度评估指标与已有模型结果对比,截取较优的绝对宽度,建立模型。与此同时,以邯郸市生活需水量为例,与已有模型对比,预测精度优于已有模型。(本文来源于《南方农机》期刊2019年17期）
陈雅倩,豆建军[6]（2019）在《新疆哈巴河县科克托海湿地需水量预测分析》一文中研究指出根据科克托海湿地现状及存在问题,采用分项计算法分析计算湿地恢复至原状态所需补水量,为后期湿地补水工程提供依据。论述了各计算方法的计算理念、采用的参数、计算成果以及达到的效果,并得出恢复湿地需水量,为湿地各项配套工程建设提供依据。(本文来源于《广西水利水电》期刊2019年04期）
张薇薇,赵平伟,王景成[7]（2019）在《基于长短时神经网络的城市需水量预测应用》一文中研究指出在分析影响居民用水量相关性因素的基础上,采用长短时神经网络结合Encoder-Decoder方法建立城市需水量预测模型。长短时神经网络可以自动从时间序列的历史数据中抽取数据特征,避免了手动设计输入变量特征的繁琐,且可以采用更长时间的历史数据进行训练,充分考虑长期条件下不同天气、节假日的城市居民用水特征。Encoder-Decoder的网络结构模拟大脑对数据处理和做出决策的过程,适合多小时水量预测模型的构建。该模型应用于某地区需水量预测,取得了较高的预测精度,模型的适用性得到了有效验证。(本文来源于《净水技术》期刊2019年S1期）
车忠坤[8]（2019）在《基于灰色动态预测模型的城市需水量与废水排放量预测研究》一文中研究指出灰色系统理论的动态预测模型表现出预测精度高、适用范围广、所需原始数据少等优点。以大连市为例,通过模型的残差修正和理论分析,构建大连市城市需水量与废水排放量分析的灰色动态预测模型,利用数理统计的回归分析法对城市需水量和废水排放量进行预测,结果可知:大连市2020年万元工业增加用水量预测值为286.85 m~3/万元,城市需水量预测相对误差在-0.28%～0.26%范围;大连市2016年工业废水排放量预测结果显示为8.85亿t,评价结果与实际数据相差0.86亿t,相对误差为0.9%,证明模型具有较好的精度与可靠性。(本文来源于《地下水》期刊2019年03期）
曾招财,梁藉,吴豪,曾志强[9]（2019）在《基于SARIMA模型的赣江流域近50年参考作物需水量预测》一文中研究指出基于赣江流域12个代表气象站点1961—2010年的逐日气象观测资料,采用Penman-Monteith公式计算了各站点逐日参考作物需水量,整理得到赣江流域及上、中、下游3个子区域的参考作物需水量年度和月度数据,对其变化特征进行了分析。赣江流域50 a参考作物需水量年际变化较大,年内变化呈现出明显的季节性特征。在考虑了季节性因素的基础上,利用BIC准则法确定模型最佳阶数,建立了赣江流域参考作物需水量的季节性ARIMA模型,对研究区域的参考作物需水量进行了拟合与预测,并验证了模型的显着性。预测结果表明,模型的平均相对误差在合理范围之内。(本文来源于《人民珠江》期刊2019年05期）
赵新磊,贾正茂,李克飞[10]（2019）在《西北地区农田灌溉需水量预测方法》一文中研究指出农牧业是西北地区的传统产业,也是当前的支柱产业,农业用水占总用水量的90%以上,科学合理地预测未来农田灌溉的需水量,对西北干旱地区水资源合理开发利用与管理尤为重要。根据西北地区地理气候特点和农田灌溉实际情况,以平凉市作为典型区域,提出了灌溉定额、作物需水量、作物生育期内有效降雨利用量和农田灌溉需水量的预测方法。(本文来源于《河南水利与南水北调》期刊2019年03期）
需水量预测论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
通过需水量预测能实现城市供水系统最优控制,以达成供需平衡和节约能耗目的。分析2010-2019年部分有关城市需水量预测相关文献,对现有城市需水量预测方法与模型进行综述,提出目前需水量预测存在的问题及建议,为城市需水量预测后续研究提供基础与借鉴。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
需水量预测论文参考文献
[1].贾腾飞,刘晓辉.漳河跨界河流区域农田灌溉需水量预测[J].南方农机.2019
[2].董云程,周明,杜坤,卢慢,黄乐烽.城市需水量预测方法与模型综述[J].软件导刊.2019
[3].韩慧健,宋馨芳,张慧.一种城市需水量预测的模糊认知图方法[J].计算机科学.2019
[4].付泽伟,杨银科,王天尧.基于改进的非线性优化GM(1,N）模型的海晏县城镇生活需水量预测[J].水电能源科学.2019
[5].李慧敏,王小胜,刘欣欣,安笑洁.基于理想边界和多元逐步回归模型的城市生活需水量预测[J].南方农机.2019
[6].陈雅倩,豆建军.新疆哈巴河县科克托海湿地需水量预测分析[J].广西水利水电.2019
[7].张薇薇,赵平伟,王景成.基于长短时神经网络的城市需水量预测应用[J].净水技术.2019
[8].车忠坤.基于灰色动态预测模型的城市需水量与废水排放量预测研究[J].地下水.2019
[9].曾招财,梁藉,吴豪,曾志强.基于SARIMA模型的赣江流域近50年参考作物需水量预测[J].人民珠江.2019
[10].赵新磊,贾正茂,李克飞.西北地区农田灌溉需水量预测方法[J].河南水利与南水北调.2019
论文知识图
