APP下载

改进的混合差分人工蜂群算法在辽宁东部城市供水量预测中的应用研究

2019-02-21贾玉娟

水利技术监督 2019年1期
关键词:供水量年份差分

贾玉娟

(辽宁省水文局,辽宁 沈阳 110003)

当前,城市化发展趋势越来越快,城市供水的可持续利用已经成为城市发展主要问题之一。水资源综合规划需要对城市供水量进行预测,从而保障城镇居民的生活用水。近些年来,国内学者对城市供水量预测方法进行了研究[1-6],其中大都采用静态变量的神经网络模型进行预测,而城市供水量由于影响要素较多,供水量影响变量呈现动态变化,因此需要采用动态变量的神经网络模型进行预测。目前,混合差分人工蜂群算法在动态变量的预测中得到一定程度的应用[7-9],但由于传统的混合差分人工蜂群算法在目标聚类求解时未进行搜索优化,存在模型目标求解速率慢、求解精度不高的局限。为此有学者对传统的混合差分人工蜂群算法进行改进,实现了目标聚类求解的自动优化搜索,且收敛速率和精度都有较为明显的改善。但是改进算法还未在城市供水量预测中得到具体应用。为此本文引入改进的混合差分人工蜂群算法对辽宁东部某城市供水量进行预测。

1 改进的混合差分人工蜂群算法原理

改进的混合差分人工蜂群算法将目标解划分成SN个目标源,每个目标求解源代表一个可行解,计算方程为:

(1)

在建立目标源解后,需要对目标方程进行搜索求解,搜索方程为:

νi,j=xi,j+(-1+2×rand)(xi,j-xk,j)

(2)

式中,k—搜索的目标源;rand—生成的随机数。

在进行目标搜索后,对搜索方程的目标源进行概率选择,概率选择方程为:

(3)

式中,fiti—目标求解函数值。在确定目标求解函数基础上,对方程进行目标聚类求解,目标聚类方程为:

(4)

式中,y—目标求解数据集合;C—聚类的个数;zj—目标聚类的中心。

MSE的计算值有效,表示目标聚类效果好。为对目标搜索方向进行优化,在目标求解搜索时,需要对目标聚类函数进行评级,首先对类内方差进行评价,评价方程为:

(5)

(6)

式中,Ci—第i类目标聚类值。目标聚类有效指标评价函数方程为:

PC=1-[λ×Cvar+(1-λ)×Pr]

(7)

式中,λ—目标聚类中心权重值。

2 辽宁东部城市供水量预测

2.1 区域概况

辽宁东部某城市主要供水方式为水库供水。该城市的供水量影响因素较多,主要为城镇人口变化、居民生活用地变化以及生活水平变化等。区域多年平均供水量为20.34亿m3,多年平均降水量为600~800mm,地表水资源量占总水资源量的70%~80%,地下水资源量占20%~30%。结合社会统计资料,分析了研究区域从2006—2016年的生活水量以及人口变化,结果见表1。此外,对统计研究区域人口增长率以及居住面积增长率进行分析,分析结果见表2。

表1 城市供水量、城镇人口及人均面积变化

2.2 模型目标聚类精度评价

在模型应用前,需要对模型的精度进行检验,结合城市供水量的10个样本系列作为模型的训练样本,对模型的各个指标进行了精度的检验,检验结果见表3。

从表3中可以看出,传统模型的类内方差在0.6296~0.9872之间,而改进模型的类内方差在0.7963~1.3672之间,改进模型下不同样本系列的类内方差均大于传统模型,表明改进的混合差分人工蜂群算法加速了目标聚类的收敛速率。从目标聚类评价的密集指标Cvar可以看出,改进算法下的密集指标均大于传统算法,两者均值相差0.1542,表明改进算法下的目标聚类优劣度要明显高于传统算法。而有效指标Pc主要反映目标聚类搜索的快慢,通过对比可以发现,改进算法下的目标聚类有效指标均值相比于传统算法增加0.197,传统算法下目标聚类求解的时间为7.8min,而改进算法下目标聚类求解的时间缩短为4.3min。

表2城市供水、城镇居民及居住面积增长率单位:%

2.3 不同模型在区域城市供水量预测精度对比

在模型目标聚类评价检验的基础上,结合区域实际城市供水量,分析了改进前后的混合差分人工蜂群算法在辽宁东部某城市供水量的预测精度,精度对比分析结果见表4。

从表4中可以看出,改进模型下计算的城市供水量和实际供水量之间的拟合误差均值为7.1%,而传统算法下的拟合误差为17.3%,说明改进的混合差分人工蜂群算法下城市供水量预测拟合误差有较为明显的改善。

改进模型下计算的各年份城市供水量和实际城市供水量之间吻合度明显高于传统模型,而传统模型计算的各年份城市供水量变幅较大。从不同模型的相关性分析结果可以看出,改进模型相关系数达到0.7898,属于高度相关,而传统模型下的相关系数仅为0.2735,属于低相关,如图1所示。综上,改进的混合差分人工蜂群算法对于城市供水量的预测精度具有较为明显的改善。

表3 不同模型的目标聚类评价检验结果

表4 不同模型在区域城市供水预测精度对比结果

图1 不同模型城市供水量计算精度对比结果

2.4 远景年份城市供水量预测结果

基于改进的混合差分人工蜂群算法,利用区域远景年份人口增长以及人均居住面积增长率变化结果见表5,对区域远景年份2020—2030年的城市供水量进行了预测,预测结果见表6。

从表5中可以看出,城镇居民人口增长率变幅要高于人均居住面积的增长率,这主要是受到城镇化外延的影响,城镇化外延势必造成城镇居民增长率的大幅提高。而远景年份受到城镇居民增长率的增加,使得城镇供水量呈现逐年递增的变化趋势。在远景年份其城市供水量从2020年的35.15亿m3增加到45.18亿m3。

2.5 远景年份城市供水量可持续保障措施研究

考虑到远景年份城市的供水量逐年递增变化,需要采取以下几项措施来保障城市供水的可持续利用。

(1)加强节水措施,制定合理的节水规划。应逐步加大城市生活、工业、农业节水措施的制定,提高工业、农业水资源利用效率,大力提倡工业、农业节水设施的研发和应用,制定合理的节水规划,提高城市供水的保障力度。

表5 区域远景年份人口及人均居住面积增长率变化结果

表6 远景年份城市供水量预测结果

(2)加大城市雨水收集循环利用工程建设力度。开展城市雨水收集循环利用工程建设,通过对城市雨水的收集,使雨水资源化,雨水收集循环后可以用于城市供水。

(3)加强再生水的循环利用。通过污水处理技术,把再生水进行循环利用,将循环处理后的再生水统一纳入到城市供水规划体系中,增加城市可供水量。

3 结论

本文利用改进的混合差分人工蜂群算法,对辽宁东部某城市供水量进行预测,预测分析取得以下结论:

(1)相比于传统算法,改进算法在目标聚类求解的有效性和收敛精度上都有较为明显的改善,在城市供水量预测精度上好于传统算法,也可拓展用于其他水资源量预测。

(2)随着城镇化外延发展,远景年份城市供水增长趋势明显,为保障城镇供水可持续发展,需要加强城市节水规划,加大城市雨水收集循环利用工程的建设力度,以及加强再生水循环利用的多种并行措施。

猜你喜欢

供水量年份差分
成都市主城区日供水量的气象相关性分析
RLW-KdV方程的紧致有限差分格式
基于2018、2019年度鸡西市水资源利用情况对比分析
符合差分隐私的流数据统计直方图发布
特殊的一年
数列与差分
河南省供水结构变化及不平衡性
钦州市水利工程可供水量分析与预测
什么是闰年?
一样的年份