[发明专利]一种融合KPCA和思维优化BP神经网络的用水总量预测方法

说明书

本发明公开了一种融合KPCA和思维优化BP神经网络的用水总量预测方法，包括如下步骤：运用相关系数法确定预测因子；利用核主成分分析(KPCA)对预测因子进行降维处理，解决数据之间的非线性特征；利用BP神经网络建立用水总量预测模型；利用模型对用水总量进行预测。本发明前两个步骤是数据预处理，目的是提取用水数据中的有用信息，消除冗余信息对预测造成的干扰。第三个步骤将BP神经网络到用水总量预测中，同时采用思维进化学习算法优化BP神经网络的权值和阈值。最后一个步骤用于检验模型效果。本发明方法在国家统计局的年度开放统计用水数据中实验，结果表明，基于KPCA和思维优化BP神经网络的用水总量预测模型能很好的预测未来用水总量。

技术领域

本发明涉及用水总量预测技术，尤其是一种融合KPCA和思维优化BP神经网络的用水总量预测方法。

背景技术

目前，在部分地区，水资源的匮乏已经不能满足人口增长和工农业发展，严重阻碍地区的社会效益和经济效益，因此，对水资源进行合理规划和调度已经迫在眉睫。用水总量预测工作是在当今水资源严峻形势下，对水资源合理分配、调度以及分析估量的重要举措，对社会经济可持续发展有重要的作用。

用水总量预测涉及很多方面：工业用水量预测、农业用水量预测以及短期长期用水量预测。每个方面的预测角度是不同的，选取的预测因子也是不同的。现有的用水总量预测方法多种多样，常用的方法有常规趋势法、时间序列法、回归分析法、灰色系统模型以及神经网络模型。近年来，用神经网络进行用水总量预测呈现百花齐放的状态。文献[单金林,戴雄奇,李江涛.利用BP网络建立预测城市用水量模型[J].中国给水排水,2001,17(8):61-63.]中利用BP神经网络预测城市用水量，并且用水数据以时间序列顺序排列，但是这种预测方法只适合短时期用水量预测并且忽略用水量可能会有不确定的因素影响，既而结果并不那么精确。文献[桑慧茹,王丽学,陈韶明,et al.基于主成分分析的RBF神经网络在需水预测中的应用[J].水电能源科学,2017(7):58-61.]中利用主成分分析对影响用水总量的各因子进行降维，然而主成分分析是线性变换，用水总量因子数据具有非线性、复杂性、不确定等特点，对其进行线性降维虽然能去除掉冗余信息，但是也会丢失掉一些有用的信息。

发明内容

发明目的：针对现有技术中存在的问题与不足，为了准确有效的预测用水总量，本发明提供一种融合KPCA和思维优化BP神经网络的用水总量预测方法，它克服了因子之间的非线性、复杂性和不确定等特点，筛选出与用水总量最大相关因子，同时通过思维优化BP神经网络的权值和阈值使得用水总量预测更加准确。

技术方案：一种融合KPCA和思维优化BP神经网络的用水总量预测方法，包括如下步骤：

(1)运用相关系数法从多个影响用水总量的候选数据因子中确定预测因子；

(2)利用核主成分分析对所确定预测因子进行降维处理；

(3)利用BP神经网络建立用水总量预测模型。采用思维进化学习算法优化BP神经网络的权值和阈值；

(4)利用训练好的预测模型对用水总量进行预测。

所述步骤(1)包括：

(11)选取国内生产总值、农业增加值、粮食产量、有效灌溉面积、工业增加值、规模以上工业企业产生品、水产品总产量、城市污水日处理能力、城镇生活污水排放量、废水排放量、火力发电量、城市绿地面积、水产品养殖面积、生活用水总量、农业用水总量、用水人口、渔业增加值、工业用水、粮食产量、生态用水、企业所得税总额和个人所得税总额作为影响用水总量的候选预测因子；

(12)分别计算出各候选预测因子与用水总量的实测值的相关系数；

相关系数的计算公式为：