需水预测是一个由区域总人口?产业结构?各产业发展水平?社会经济发展程度等共同作用的多因素?多层次复杂非线性系统?现有的需水预测方法主要有粒子群算法?人工神经网络?灰色模型理论?小波神经网络?回归分析模型?支持向量机?随机森林模型等,目前尚不存在公认的普适性预测方法?城市需水量是一个受诸多因素影响的变量,因其外生变量(城市人口?产业结构等)受人为规划和实践的影响,具有较强的不确定性和模糊性?

《南水北调与水利科技（中英文）》2017年第6期发表了《基于主成分分析的GA-BP模型在城市需水预测中的应用 》一文，该文针对城市需水预测模型中需水量影响因子多?影响因子之间普遍存在多重共线问题,以及BP神经网络收敛速度慢?易陷入局部最优等缺点,提出一种由主成分分析?遗传算法及BP神经网络三者相结合的改进预测模型?以泰州市为实例,建立以主成分分析筛选需水量主要影响因子,遗传算法优化BP网络连接权值和阈值的需水预测模型,预测结果与BP神经网络预测模型预测结果做对比?结果表明:改进预测模型对泰州市2003-2014年需水量预测的平均相对误差为0.564%,最大相对误差为1.681%,精度优于BP神经网络预测模型;改进预测模型预测值与实际泰州市需水量吻合良好且训练速度更快?预测精度更高,可作为需水预测的一种有效方法?

李晓英,苏志伟,周华,等.基于主成分分析的GA-BP模型在城市需水预测中的应用[J].南水北调与水利科技,2017,15(6):39-44.