基于灰色神经网络与马尔科夫链的城市需水量组合预测

【目的】针对城市需水量预测系统具有非线性和随机波动性的特点,建立基于马尔科夫链修正的组合灰色神经网络预测模型，以提高模型的预测精度。【方法】比较分析灰色gm(1,1)模型、bp神经网络模型以及二者线性组合的灰色神经网络预测模型的预测效果，建立基于马尔科夫链修正的组合灰色神经网络预测模型，并以榆林市2000-2009年的用水量实际数据为研究对象，通过实例比较分析模型的检验预测精度。【结果】经马尔科夫链修正处理后，建立的基于马尔科夫链修正的灰色神经网络组合模型的预测精度更高，预测误差的绝对值均小于4%，且均方差σ为1.00，小于组合灰色神经网络模型与gm(1,1)模型、bp神经网络模型预测误差值的均方差。【结论】基于马尔科夫链修正的组合灰色神经网络需水量预测模型，对城市需水量的预测优于灰色神经网络及各单项预测模型，不仅预测精度高，而且能同时反映出数据序列发展变化的总体趋势和系统各状态之间的内在规律，适合描述随机波动性较大的预测问题。