• ▶ 2008-2024年被中国情报信息研究所评价中心评为“中国科技核心期刊”
  • ▶ 2019-2024年连续三届被中国科学院文献情报中心中国科学引文数据库CSCD(核心库)收录
  • ▶ 2021、2023年入编北京大学图书馆《中文核心期刊要目总览》
  • ▶ 2020-2024连续四年入选《科技期刊世界影响力指数(WJCI)报告》
王春娟,冯利华,罗 伟.基于主成分分析的BP神经网络对南京市水资源需求量预测水资源与水工程学报[J].,2012,23(6):6-9
基于主成分分析的BP神经网络对南京市水资源需求量预测
Forecast of water demand by using BP neutral network based on principle component analysis in Nanjing
投稿时间:2012-09-01  修订日期:2012-09-19
DOI:10.11705/j.issn.1672-643X.2012.06.002
中文关键词:  需水预测  主成分分析法  BP神经网络
英文关键词:water demand prediction  principle component analysis  BP neutral networks
基金项目:国家自然科学基金项目(41171430、40771044)
作者单位
王春娟 浙江师范大学 地理与环境科学学院, 浙江 金华 321004 
冯利华 浙江师范大学 地理与环境科学学院, 浙江 金华 321004 
罗 伟 江西省庐山自然保护区管理处, 江西 庐山 332900 
摘要点击次数: 1768
全文下载次数: 1078
中文摘要:
      以南京市为例,利用1999-2010年的总用水量数据,采用主成分分析法对影响水资源需求量的9个因子进行主要影响因子分析,根据确定的主要影响因子构造BP神经网络的输入样本,从而进行不同水平的年总需水量预测。结果表明:人口、GDP、万元GDP用水量、人均水资源量、污水年排放量为影响研究区需水量的主要因子,将此作为主要因子构造BP神经网络的输入样本,确定网络输入节点数,建立南京市总需水量预测模型。模拟计算结果表明,基于主成分分析的BP神经网络模型,预测结果的平均误差小于0.2亿m3
英文摘要:
      Taking the water demand data from 1999to 2010of Nanjing for example, this paper analyzes the main factors that influence the water resource quantity based on the principle component analysis method. According to these main factors, the input samples of BP neutral network are determined. Thereby, the BP neutral networks can be trained to predict. The results show that population, GDP, water consumption of ten thousand yuan GDP, water resources per capita and volume of sewage discharge per year are the primary indexes that affect water resource demand. The corresponding prediction modeling outcome shows that the simulated experiment is quite fit for the practical situation and the average error of prediction is less than 0.2×108m3.
查看全文  查看/发表评论  下载PDF阅读器
关闭