基于KS-PSO-BP神经网络耦合模型的需水预测——以江苏省为例OA

需水预测是区域水资源开发利用中的关键环节,鉴于江苏省需水影响因素涉及范围广、样本系列值少、需水波动幅度大等特点,提出了一种粒子群优化与正态区间估计联合优化的KS-PSO-BP耦合神经网络模型,模型使用主成分分析法与灰色关联分析法筛选需水影响因子,加入粒子群优化算法优化BP神经网络,通过引入K-S正态检验与正态区间估计,构建KS-PSO-BP神经网络需水预测模型,并对江苏省需水量进行模拟预测。结果表明:PSO-BP神经网络在预测结果相对误差上优于BP神经网络,对江苏省2021—2023年进行需水预测时,PSO-BP神经网络预测相对误差区间分别为-1.55%~1.14%、-1.65%~1.23%、-1.64%~1.18%,基于KS-PSO-BP耦合神经网络模型预测相对误差区间分别为-0.23%~0.09%、-0.28%~0.01%、-0.28%~0.02%,可见基于KS-PSO-BP耦合神经网络模型极大缩小了误差区间,模型预测结果更稳定、更准确,与江苏省实际用水状况更接近,该模型可作为江苏省需水预测的一种方法。