城市供水DMA短期预测：ARIMA、NN与SVM模型对比研究

本篇研究论文标题为《城市供水DMA短期需水量预测比较研究》，发表在《杭州电子科技大学学报》自然科学版上。作者包括何必仕、熊晓锋、蔡华强和洪嘉鸣，他们来自杭州电子科技大学自动化学院，专注于城市供水系统的管理与优化。文章的核心内容聚焦于城市供水独立计量区域的短期需水量预测，这是一种关键的管理工具，对于供水生产科学管理、动态调度和管网故障检测至关重要。 研究者采用自回归积分滑动平均模型（ARIMA）、神经网络、广义回归神经网络以及最小二乘支持向量机模型来进行预测。他们认识到局部用水量的波动性和不确定性对预测的挑战，因此在模型构建中考虑了节假日期间、天气状况以及温度等因素，这些因素对居民用水需求有显著影响。通过修正模型参数，研究者提高了预测精度。 实证研究表明，这四种模型都能用于城市供水的短期需水量预测，然而，结合天气和节假日因素的最小二乘支持向量机模型表现出了更高的预测准确度。因此，该研究不仅提供了多元化的预测方法，还强调了天气和节假日影响在实际应用中的重要性。 关键词方面，文章主要关注“城市供水”、“需水量预测”、“时间序列方法”、“最小二乘支持向量机”等技术与应用领域。该研究的中图分类号为S745，文献标识码为T，文章编号具体未给出，但符合学术期刊的标准格式。 这篇论文旨在通过对比不同预测模型，提供一种更为精确的城市供水短期需求管理策略，这对于提升供水行业的效率和响应能力具有实际价值。