基于人工鱼群神经网络的城市时用水量预测方法

城市供水时用水量预测精度对城市供水系统具有重要影响.传统的反向传播(back-propaganda，bp)神经网络预测方法容易陷入局部解，并且需要大量的训练数据.人工鱼群算法具有较优的全局收敛能力及较快的寻优速度.为此，利用人工鱼群算法对bp神经网络的初始权值和阈值进行优化，建立了一种新的时用水量预测模型.将该模型应用到华北某市时用水量的预测中，预测结果表明人工鱼群神经网络算法的均方差比bp神经网络算法的均方差小5%.实例证明，人工鱼群神经网络比bp神经网络的预测精度更高，收敛速度更快.人工鱼群神经网络算法可用于短期水量预测.