灰色预测在校园供水智能管理[1]中的应用.docx

          灰色预测在校园供水智能管理[1]中的应用                    摘要：本文围绕校园供水漏损问题，抽取一级表编码为403X而且分层最多、分支最长的样本进行研究，进行统计推断分析校园供水管网的漏损情况，建立了GM(1.1)灰色预测模型， 对该功能区的用水量进行预测，可以为校园供水智能管理提供可靠理论依据关键词：校园供水；漏损；灰色预测校园供水系统是校园设施中重要组成部分，学校供水系统发生的漏损是普遍存在，需要解决的问题校园安装了智能水表，可以获得大量的实时供水系统运行数据，基于这些数据，可通过建立数学模型和数据挖掘，及时发现和解决该学校的供水管网的层级结构如下:我们抽取一级表编码为403X而且分层最多、分支最长的样本进行研究，需将该分支1月至12月用水量数据按月统计，以一月用水量为例统计如下表所示:表 1 403X表计分支流程表一级表用水量（一月）二级表用水量（一月）三级表用数量（一月）四级表用水量（一月）403X13942.814041.164033501T959.15403350101T295.574033703T1570.87403350301T587.324033502T566.28403350201T432.64403350202T1.794033526T 170.8740337X5512.12 4033720T695.494033725T209.274033506T2.374033726T637.6640325T1197.18 40338T0.00 40315T521.58 40316T203.69 40336T6.53 40321T489.17 40331T24.68 40333T26.82 40334T584.77 40318T8.12 40313T17.45 在供水网中，抽取功能区宿舍为研究样本。

其它功能区研究方法一样，只是数据不同通常1、2月为学校的寒假时间，为理论上的用水低峰期，但统计数据异常高，经级比判断 ，所以取等时间间距1个月的3-12月用水量为研究的样本用3-12月的用水量为参考数列1．计算序列的级比[2]：2．级比判断： ，则序列 可以作为模型GM(1,1)的数据进行灰色预测3．对原始数据 作一次累加， 做生成序列 4．构造数据矩阵 及数据向量5．计算，于是得到 6．建立模型求解得： 7．求生成序列预测值 及模型还原值 ，令 ，由上式的时间响应函数可算得 ，其中取 ，由 ，取 ，得以下为模型检验所需的数据汇总表 2 宿舍12月用水量图表序号月份实际用水量预测用水相对误差13月8968.518968.50.00%24月9236.359880.46.97%35月98001.229758.20.44%46月9733.089637.50.98%57月9574.089581.40.58%68月10474.539400.710.25%79月9604.29284.43.33%810月8793.989169.64.27%911月8770.389056.23.26%1012月8660.18944.23.28%模型的精度 ，即该模型预测值准确性较高，可以为校园供水智能管理提供可靠理论依据。

参考文献：[1]2020年全国大学生数学建模大赛E题[2]司守奎、刘玺菁，《数学建模算法与应用》，北京市：国防工业出版社,2011.8.解术霞(1965-),女,淄博职业学院 教授,主要从事数学建模、高等数学教学研究4  -全文完-。