上海純水設(shè)備解讀：鄉(xiāng)村再生水年利用量預(yù)測(cè)分析
【上海水處理設(shè)備網(wǎng)www.www.gu-qin.com】導(dǎo)讀：再生水指鄉(xiāng)村污水經(jīng)適當(dāng)再生工藝處置后,達(dá)到一定水質(zhì)要求,滿足某種使用功能要求,可以進(jìn)行有益使用的水。隨著社會(huì)經(jīng)濟(jì)的快速發(fā)展,鄉(xiāng)村污水排放量不時(shí)增加,加強(qiáng)以鄉(xiāng)村污水為水源的再生水利用開發(fā)有利于緩解水資源短缺、改善水生態(tài)環(huán)境。2021年6月印發(fā)的十四五”城鎮(zhèn)污水處置及資源化利用發(fā)展規(guī)劃》指出,十四五”時(shí)期再生水發(fā)展的主要目標(biāo)為全國(guó)地級(jí)及以上缺水鄉(xiāng)村再生水利用率達(dá)到25%以上,京津冀地區(qū)達(dá)到35%以上,黃河流域中下游地級(jí)及以上缺水鄉(xiāng)村力爭(zhēng)達(dá)到30%因此,為做好鄉(xiāng)村再生水利用規(guī)劃,促進(jìn)鄉(xiāng)村再生水事業(yè)發(fā)展,對(duì)鄉(xiāng)村再生水利用量進(jìn)行預(yù)測(cè)具有很大的現(xiàn)實(shí)意義。
目前,國(guó)內(nèi)外學(xué)者在大量研究的基礎(chǔ)上提出了許多種再生水利用量的預(yù)測(cè)方法,主要有定額法、替代系數(shù)法、時(shí)間序列法、結(jié)構(gòu)分析法、系統(tǒng)動(dòng)力學(xué)法等。如汪妮等基于不同用水對(duì)象對(duì)再生水水質(zhì)的不同要求,采用改進(jìn)的灰色模型和定額法分別對(duì)回用于工業(yè)的再生水和市政雜用的再生水進(jìn)行了需水量預(yù)測(cè);王志坤等首先采用趨勢(shì)分析法、定額分析法對(duì)鄉(xiāng)村再生水用水量進(jìn)行了分析預(yù)測(cè),張家港GMP純化水設(shè)備
并在此基礎(chǔ)之上使用折減系數(shù)法計(jì)算了出鄉(xiāng)村再生水可利用量;余鵬明等運(yùn)用相關(guān)性分析中的Spearman法分析了再生水利用量的影響因素,為進(jìn)一步了解再生水利用發(fā)展?fàn)顩r以及利用量預(yù)測(cè)提供參考依據(jù);唐蓮等通過(guò)預(yù)測(cè)鄉(xiāng)村再生水可供水量和蓄水量,并依據(jù)供需平衡原理對(duì)鄉(xiāng)村再生水利用潛力進(jìn)行了評(píng)估;李梅等建立了鄉(xiāng)村再生水利用系統(tǒng)動(dòng)力學(xué)模型并對(duì)某城市的再生水利用預(yù)測(cè)進(jìn)行了實(shí)踐研究。
鄉(xiāng)村再生水年利用量過(guò)程出現(xiàn)出很強(qiáng)的非線性特點(diǎn),受到多種因素影響,且影響機(jī)制各不相同。慣例方法如定額法、灰色模型預(yù)測(cè)法等較難在考慮這些影響因素的基礎(chǔ)上做出精確預(yù)測(cè)。本文針對(duì)蘇州市污水處置及再生水利用實(shí)際狀況,基于其再生水年利用量各影響因素的歷史數(shù)據(jù)較少、可靠性及完整性低等特點(diǎn),采用灰色GM1,1模型對(duì)影響再生水年利用量的各因素進(jìn)行預(yù)測(cè),并以預(yù)測(cè)結(jié)果為輸入因子,再建立BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型預(yù)測(cè)蘇州市鄉(xiāng)村再生水的年利用量。BP神經(jīng)網(wǎng)絡(luò)是人工神經(jīng)網(wǎng)絡(luò)中應(yīng)用最為廣泛的模型之一,具有學(xué)習(xí)速度快和適應(yīng)能力強(qiáng)的優(yōu)點(diǎn),可對(duì)大多數(shù)非線性數(shù)據(jù)進(jìn)行預(yù)測(cè),且該模型能綜合考慮再生水年利用量的各相關(guān)影響因素。故本文將灰色模型與BP神經(jīng)網(wǎng)絡(luò)模型相結(jié)合,以實(shí)現(xiàn)對(duì)鄉(xiāng)村再生水年利用量的有效預(yù)測(cè),為鄉(xiāng)村再生水利用規(guī)劃與合理配置提供決策依據(jù)。
一、研究區(qū)概況及再生水利用狀況
1.1基本概況
蘇州位于長(zhǎng)江三角洲中部,地處30°47′N32°02′N119°55′E121°20′E,東鄰上海,南連浙江省嘉興、湖州兩市,西傍太湖,與無(wú)錫相接,北枕長(zhǎng)江,總面積為8657.32km2,具體如圖1所示。全市地勢(shì)低平,境內(nèi)河流縱橫,湖泊眾多。太湖水面絕大部分在蘇州境內(nèi),河流、湖泊、灘涂面積占蘇州市土地面積的36.6%,著名的江南水鄉(xiāng),擁有各級(jí)河道2萬(wàn)多條,大小湖泊共300多個(gè),著名的有太湖、陽(yáng)澄湖、長(zhǎng)江、京杭運(yùn)河等。
鄉(xiāng)村再生水年利用量預(yù)測(cè)分析
圖1蘇州市地理位置
1.2研究區(qū)再生水利用狀況
蘇州市自2018年以來(lái),以“高質(zhì)量推進(jìn)城鄉(xiāng)生活污水治理三年行動(dòng)計(jì)劃”為基礎(chǔ),依照“蘇州特別排放限值”要求,遵循江蘇省住建廳提標(biāo)改造技術(shù)指引,制定“一廠一策”提標(biāo)方案,全力推進(jìn)89座城鎮(zhèn)污水廠尾水提標(biāo)改造。蘇州市在全市開展城鄉(xiāng)生活污水治理,項(xiàng)目化推進(jìn)各項(xiàng)治理任務(wù),確保污水廠提標(biāo)改造的系統(tǒng)性和高效性;市政府及水主管部門強(qiáng)化組織領(lǐng)導(dǎo),采取“成立專班,實(shí)體化運(yùn)轉(zhuǎn)辦公;高位推動(dòng),強(qiáng)化安排推進(jìn);強(qiáng)化考核,加大推動(dòng)力度”管理方式,有力、有序、有效推進(jìn)污水廠尾水提標(biāo)改造任務(wù)。目前,全市城鎮(zhèn)污水廠出水水質(zhì)全面提標(biāo),達(dá)到蘇州“準(zhǔn)Ⅳ類”除總氮外,其他指標(biāo)均達(dá)到Ⅳ類標(biāo)準(zhǔn))規(guī)范。根據(jù)相關(guān)數(shù)據(jù)統(tǒng)計(jì),蘇州市現(xiàn)狀(2020年)年污水處置系統(tǒng)累計(jì)處置污水量為11.5億m3目前為止,完成提標(biāo)改造的89座城鎮(zhèn)污水廠出水水質(zhì)均已達(dá)到太湖地區(qū)城鎮(zhèn)污水處置廠及重點(diǎn)工業(yè)行業(yè)主要水污染物排放限值》DB32/10722018和“蘇州特別排放限值”規(guī)范要求。各區(qū)市(縣)污水處置廠分布以及再生水利用情況如表1所示。
表1各區(qū)市(縣)污水處置廠分布以及再生水利用
鄉(xiāng)村再生水年利用量預(yù)測(cè)分析
全市89座污水處置廠中:二類污水處置廠(20萬(wàn)～50萬(wàn)m3/d有2座,均在工業(yè)園區(qū);三類污水處置廠(10萬(wàn)～20萬(wàn)m3/d有6座,吳中區(qū)1座、相城區(qū)1座、姑蘇區(qū)2座、昆山市2座;四類污水處置廠20座(5萬(wàn)～10萬(wàn)m3/d;其余污水處置廠規(guī)模均在五類(1萬(wàn)～5萬(wàn)m3/d及以下,污水處置能力較弱。
根據(jù)圖2以及表1中數(shù)據(jù):姑蘇區(qū)再生水利用量及利用率分別為10520.07萬(wàn)m3和88.30%,高于蘇州其他區(qū)市,但是從利用途徑分析,姑蘇區(qū)再生水利用僅包括廠區(qū)自用及河道景觀補(bǔ)水,其余利用方式均未涉及,且河道景觀補(bǔ)水量約占再生水利用總量的98%,利用范圍需要進(jìn)一步擴(kuò)大,充沛發(fā)揮再生水潛力;再生水利用總量最少且利用率最低的為高新區(qū),均被留作污水處置廠自用,考慮到區(qū)域內(nèi)高新技術(shù)產(chǎn)業(yè)較多,這些產(chǎn)業(yè)對(duì)于生產(chǎn)用水的水質(zhì)要求較高,目前的再生水出水水質(zhì)暫時(shí)無(wú)法滿足要求,因此,高新區(qū)內(nèi)的污水處置廠需要進(jìn)一步提高再生水處理水平;昆山市再生水利用量較多,達(dá)到10122.61萬(wàn)m3,其中約74%用于河道景觀補(bǔ)水,3.4%留作廠區(qū)自用,約3.6%用于工業(yè)用水,約19%用于鄉(xiāng)村雜用水及其他用途,但是昆山市的再生水利用率僅為37.38%,這意味著還有大量處置后的污水沒(méi)有得到有效利用,利用潛力巨大;其余區(qū)(市)中吳江區(qū)、工業(yè)園區(qū)再生水利用率相對(duì)較高,分為50.43%和47.00%,而相城區(qū)、張家港市、常熟市和太倉(cāng)市利用率均在40.00%以下。
鄉(xiāng)村再生水年利用量預(yù)測(cè)分析
圖2各市(縣)再生水利用量及利用率
經(jīng)計(jì)算,蘇州2020年鄉(xiāng)村再生水利用率為36.43%,主要用途為河道景觀補(bǔ)水,占其再生水利用量的78.42%,利用形式較為單一。但隨著再生水可利用量及其供水保證率逐步穩(wěn)定,配套設(shè)施完善水平以及再生水管網(wǎng)覆蓋率不時(shí)提高,蘇州市再生水利用的規(guī)模和領(lǐng)域會(huì)繼續(xù)擴(kuò)大。
二、再生水利用量影響因素選擇
2.1指標(biāo)初步選取
本文所用的關(guān)于2008年—2020年蘇州市再生水利用量系列,以及影響再生水利用量的主要因素等相關(guān)數(shù)據(jù),主要來(lái)源于《城鄉(xiāng)建設(shè)統(tǒng)計(jì)年鑒》以及《蘇州市水資源公報(bào)》
綜合考慮經(jīng)濟(jì)、社會(huì)等多種影響再生水利用量的因素以及相關(guān)文獻(xiàn)研究效果,初步選取影響再生水利用量的26個(gè)指標(biāo),如人均GDP污水排放量、再生水生產(chǎn)能力、公共服務(wù)用水量、排水設(shè)施投資、污水集中處置率等
2.2SPSS相關(guān)性分析
上述根據(jù)分析選取的26個(gè)影響因子均會(huì)對(duì)鄉(xiāng)村再生水利用量發(fā)生一定影響,但影響水平輕重不一。故本文首先采用SPSS軟件中的Spearman法對(duì)各個(gè)變量進(jìn)行相關(guān)性分析以及顯著性檢驗(yàn),并去除其中與再生水利用量相關(guān)性較低且不顯著的變量,為下文進(jìn)行BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)選取合適的輸入單元,提高預(yù)測(cè)精度。運(yùn)用SPSS軟件進(jìn)行分析后,上海實(shí)驗(yàn)室純水設(shè)備共選取了7個(gè)相關(guān)系數(shù)在0.65以上的指標(biāo),且相關(guān)性均為顯著(P<0.05,具體數(shù)據(jù)如表2所示。
表2影響因素分析結(jié)果
鄉(xiāng)村再生水年利用量預(yù)測(cè)分析
注:**表示在0.01級(jí)別(雙尾),相關(guān)性顯著;*表示在0.05級(jí)別(雙尾),相關(guān)性顯著。
經(jīng)相關(guān)性分析后選取的影響因子包括:x1為萬(wàn)元GDP用水量(m3,與再生水利用量呈顯著負(fù)相關(guān),萬(wàn)元GDP用水量的下降說(shuō)明慣例水資源以及再生水利用水平均有提升;x2為建成面積(km2,反映了市政公共設(shè)施及相應(yīng)的污水收集措施的完善水平;x3為公共服務(wù)用水量(m3x4為鄉(xiāng)村用水人口(萬(wàn)人)x7為污水處置量(m3,這些因素可直接影響再生水廠的進(jìn)水水源;x5為排水管道長(zhǎng)度(km,管道的完善有利于污水的收集和集中處理,增加再生水廠進(jìn)水量;x6為再生水生產(chǎn)能力(m3/d,再生水生產(chǎn)能力的提升必定會(huì)直接促進(jìn)鄉(xiāng)村再生水利用量及利用水平的進(jìn)步。設(shè)y為再生水利用總量(m3,篩選后的主要影響因子及其具體數(shù)值如表3所示。
表3蘇州市再生水利用量及其主要影響因素?cái)?shù)據(jù)
鄉(xiāng)村再生水年利用量預(yù)測(cè)分析
三、影響因素預(yù)測(cè)
3.1灰色預(yù)測(cè)模型GM1,1原理
相較于統(tǒng)計(jì)趨勢(shì)預(yù)測(cè)法、回歸分析法等預(yù)測(cè)方法,灰色GM1,1預(yù)測(cè)模型對(duì)于歷史數(shù)據(jù)的樣本容量要求不高,且允許樣本存在灰色信息,不要求樣本具有一定的分布規(guī)律,計(jì)算也較為簡(jiǎn)便。并結(jié)合蘇州市再生水年利用量各影響因素的歷史數(shù)據(jù)較少、完整性較低的實(shí)際情況,本文選擇了灰色GM1,1預(yù)測(cè)模型�；疑獹M1,1模型的基本原理是采用累加等方法生成基于原始數(shù)據(jù)序列的一次累加序列,并根據(jù)此序列建立預(yù)測(cè)模型,之后采取累減方法還原原始序列,輸出預(yù)測(cè)結(jié)果。其建模過(guò)程如下。
設(shè)原始數(shù)據(jù)為x0=x01,x02,,x0n,其累加得到新的數(shù)據(jù)序列為x1=x11,x12,,x1n,其中
鄉(xiāng)村再生水年利用量預(yù)測(cè)分析
白化形式微分方程如式(1
鄉(xiāng)村再生水年利用量預(yù)測(cè)分析
+ax1t=u
1
其中:a發(fā)展系數(shù);
u灰色作用量;
t時(shí)間序列。
記au構(gòu)成的矩陣為灰參數(shù)
鄉(xiāng)村再生水年利用量預(yù)測(cè)分析
并按最小二乘法對(duì)其進(jìn)行求解如式(2式(4 上海實(shí)驗(yàn)室純水設(shè)備
鄉(xiāng)村再生水年利用量預(yù)測(cè)分析
2
鄉(xiāng)村再生水年利用量預(yù)測(cè)分析
3
鄉(xiāng)村再生水年利用量預(yù)測(cè)分析
4
白化形式的微分方程的離散解如式(5
鄉(xiāng)村再生水年利用量預(yù)測(cè)分析
5
預(yù)測(cè)值計(jì)算如式(6
鄉(xiāng)村再生水年利用量預(yù)測(cè)分析
6
3.2基于灰色GM1,1模型的再生水利用量影響因素?cái)?shù)據(jù)預(yù)測(cè)
以2008年—2018年的再生水影響因素?cái)?shù)據(jù)作為原始序列,預(yù)測(cè)2019年及2020年各影響因素的值,結(jié)果如表4所示。
表4灰色模型預(yù)測(cè)2019年及2020年各影響因素的值
鄉(xiāng)村再生水年利用量預(yù)測(cè)分析
3.3模型精度檢驗(yàn)
如表5所示,根據(jù)模型評(píng)價(jià)規(guī)范:因素x1x7-a系數(shù)均小于0.3,適合中長(zhǎng)期預(yù)測(cè);各因素的方差比均≤0.3,且小誤差概率全為1,模型預(yù)測(cè)等級(jí)為好;關(guān)聯(lián)度均在0.60.7,合格。模型基本滿足各種檢驗(yàn),可用于再生水利用量各影響因素的中長(zhǎng)期預(yù)測(cè)。
表5模型精度檢驗(yàn)結(jié)果
鄉(xiāng)村再生水年利用量預(yù)測(cè)分析
四、再生水年利用量預(yù)測(cè)
4.1BP神經(jīng)網(wǎng)絡(luò)原理
BP神經(jīng)網(wǎng)絡(luò)是一種由輸入層、隱含層和輸出層3層網(wǎng)狀結(jié)構(gòu)構(gòu)成的多層前饋神經(jīng)網(wǎng)絡(luò),本文采用含有一個(gè)隱含層的3層BP神經(jīng)網(wǎng)絡(luò)。數(shù)據(jù)信息通過(guò)輸入層內(nèi)的各節(jié)點(diǎn)進(jìn)入網(wǎng)絡(luò),隱含層則可以對(duì)數(shù)據(jù)進(jìn)行非線性轉(zhuǎn)換后傳輸至輸出層,理論上上海實(shí)驗(yàn)室純水設(shè)備,含有一個(gè)隱含層的BP神經(jīng)網(wǎng)絡(luò)可表示任意輸入和輸出數(shù)據(jù)之間的映射關(guān)系。
BP算法的原理是將網(wǎng)絡(luò)輸出值與實(shí)際值的誤差平方和作為網(wǎng)絡(luò)的誤差,輸出誤差由輸出層至輸入層逐層向前傳達(dá),同時(shí)誤差將由各層所有單元分?jǐn)?各層之間的連接權(quán)重也會(huì)隨之調(diào)整,權(quán)值調(diào)整完成之后,信號(hào)再次正向傳達(dá)得到模擬輸出值。通過(guò)這一循環(huán)過(guò)程,整個(gè)網(wǎng)絡(luò)結(jié)構(gòu)不時(shí)適應(yīng)學(xué)習(xí),使網(wǎng)絡(luò)輸出迫近期望值,最終誤差達(dá)到設(shè)置的網(wǎng)絡(luò)參數(shù)要求,循環(huán)停止。
4.2建立模型
本次研究共有13組數(shù)據(jù),分別為2008年—2020年蘇州市再生水利用量及其主要影響因子。其中,x1x7這7個(gè)影響再生水利用量的因素為預(yù)測(cè)模型的輸入值,再生水利用量為預(yù)測(cè)模型的輸出值。將2008年—2018年的數(shù)據(jù)作為模型訓(xùn)練樣本,2019年和2020年的數(shù)據(jù)則作為測(cè)試樣本,同時(shí)為檢驗(yàn)灰色GM1,1模型預(yù)測(cè)各因素對(duì)再生水預(yù)測(cè)精度的影響,將使用灰色模型預(yù)測(cè)所得的2019年及2020年的各影響因素的值同樣作為測(cè)試樣本,并與原始序列樣本預(yù)測(cè)所得進(jìn)行比擬。由于影響再生水年利用量相關(guān)因素之間數(shù)據(jù)的量綱不同,數(shù)據(jù)范圍相互差異較大,需要對(duì)其進(jìn)行歸一化,如式(7
鄉(xiāng)村再生水年利用量預(yù)測(cè)分析
7
其中:Y歸一化后的輸出數(shù)據(jù);
X原始輸入數(shù)據(jù);
minXX最小值;
maxXX最大值。
4.2.1BP模型各參數(shù)確定
本文采用僅含有一個(gè)隱含層的3層BP神經(jīng)網(wǎng)絡(luò),輸入層為7個(gè)影響再生水年利用量的變量,故輸入層節(jié)點(diǎn)個(gè)數(shù)為7個(gè),輸出層節(jié)點(diǎn)1個(gè)。經(jīng)過(guò)多次模型運(yùn)行試驗(yàn),并對(duì)比分析結(jié)果之后,確定隱含層節(jié)點(diǎn)個(gè)數(shù)為10個(gè),網(wǎng)絡(luò)參數(shù)設(shè)置如下:訓(xùn)練次數(shù)為50000學(xué)習(xí)速率和期望誤差分別為0.060.00001,此時(shí)模型運(yùn)算結(jié)果最佳。隱含層節(jié)點(diǎn)的個(gè)數(shù)靠式(8確定。激活函數(shù)選擇單極性Sigmoid型函數(shù)。
鄉(xiāng)村再生水年利用量預(yù)測(cè)分析
8
其中:m隱含層節(jié)點(diǎn)個(gè)數(shù);
C輸入層節(jié)點(diǎn)個(gè)數(shù);
q輸出層節(jié)點(diǎn)個(gè)數(shù);
d010整數(shù)。
4.2.2網(wǎng)絡(luò)訓(xùn)練結(jié)果
網(wǎng)絡(luò)訓(xùn)練輸出2008年—2018年再生水利用量預(yù)測(cè)值與實(shí)際值擬合情況如圖3所示。由圖3可知,BP神經(jīng)網(wǎng)絡(luò)模型輸出的再生水利用量預(yù)測(cè)值較為準(zhǔn)確,上海純水設(shè)備預(yù)測(cè)值與實(shí)際值平均相對(duì)誤差僅為0.038%,其中最大相對(duì)誤差為4.060%,最小相對(duì)誤差僅為0.008%,與實(shí)際再生水年利用量極為接近,這充分說(shuō)明BP神經(jīng)網(wǎng)絡(luò)模型具有較高的預(yù)測(cè)精度。
鄉(xiāng)村再生水年利用量預(yù)測(cè)分析
圖3BP神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練結(jié)果
選取規(guī)范化平均偏差、規(guī)范化平均誤差、平均絕對(duì)百分比誤差、均方根誤差作為預(yù)測(cè)模型的特征指標(biāo),結(jié)果見表6可以看出,規(guī)范化平均偏差、規(guī)范化平均誤差及平均絕對(duì)百分比誤差的值均較小,均方根誤差為280.78根據(jù)以上分析,BP神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練結(jié)果良好。BP神經(jīng)網(wǎng)絡(luò)經(jīng)過(guò)足夠的訓(xùn)練之后,肯定可以滿足設(shè)定的網(wǎng)絡(luò)誤差,且根據(jù)訓(xùn)練結(jié)果,網(wǎng)絡(luò)學(xué)習(xí)的效率高,收斂較快,誤差率小,模型預(yù)測(cè)結(jié)果符合設(shè)計(jì)要求。
表6模型特征指標(biāo)
鄉(xiāng)村再生水年利用量預(yù)測(cè)分析
4.3預(yù)測(cè)結(jié)果及分析
可利用本模型對(duì)2019年—2020年蘇州市再生水利用量進(jìn)行預(yù)測(cè)檢驗(yàn),分別將2019年和2020年原始數(shù)據(jù)以及灰色模型預(yù)測(cè)數(shù)據(jù)作為測(cè)試集,進(jìn)行歸一化輸入BP神經(jīng)網(wǎng)絡(luò)模型后可得到預(yù)測(cè)結(jié)果如表7所示。由表中結(jié)果分析,模型分別根據(jù)原始數(shù)據(jù)及灰色GM1,1預(yù)測(cè)數(shù)據(jù)輸出的蘇州市再生水利用量預(yù)測(cè)結(jié)果與實(shí)際利用量擬合度較高,預(yù)測(cè)誤差的絕對(duì)值均小于1%,精度等級(jí)較高。故以灰色GM1,1模型預(yù)測(cè)各再生水利用量影響因素的值作為BP神經(jīng)網(wǎng)絡(luò)的輸入單元來(lái)預(yù)測(cè)再生水利用量的方法是可行的以此方法得到2021年、2022年及2025年的蘇州市再生水利用量預(yù)測(cè)值如表7所示。
表7預(yù)測(cè)結(jié)果及誤差
鄉(xiāng)村再生水年利用量預(yù)測(cè)分析
五、結(jié)論
本文利用灰色GM1,1模型預(yù)測(cè)再生水利用量各影響因素的值,并以此作為BP神經(jīng)網(wǎng)絡(luò)模型的輸入單元對(duì)蘇州市鄉(xiāng)村再生水利用量進(jìn)行預(yù)測(cè),得到結(jié)論如下。
1根據(jù)相關(guān)性分析結(jié)果,蘇州市再生水利用量的主要影響因素有萬(wàn)元GDP用水量、建成面積、公共服務(wù)用水量、鄉(xiāng)村用水人口、排水管道長(zhǎng)度、再生水生產(chǎn)能力以及污水處置量7個(gè)指標(biāo),其中除萬(wàn)元GDP用水量與再生水利用量呈顯著負(fù)相關(guān)外,其余指標(biāo)均為顯著正相關(guān)。由此可知,蘇州市在提高用水及水處理效率、完善鄉(xiāng)村供水排水設(shè)施等方面還有較大的發(fā)展空間,上海純水設(shè)備鄉(xiāng)村再生水利用發(fā)展?jié)摿薮蟆?/span>
2灰色GM1,1預(yù)測(cè)模型不需要大量樣本,且樣本不需要規(guī)律分布,計(jì)算也較為簡(jiǎn)便。故本文采用該模型對(duì)再生水利用量各影響因素進(jìn)行預(yù)測(cè),預(yù)測(cè)結(jié)果滿足方差比、小誤差概率以及關(guān)聯(lián)度等各種檢驗(yàn),預(yù)測(cè)精度較好,可用于再生水利用量各影響因素的中長(zhǎng)期預(yù)測(cè)。
3考慮到鄉(xiāng)村再生水年利用量過(guò)程及其影響因素基礎(chǔ)數(shù)據(jù)序列較少且具有隨機(jī)性、非線性等特點(diǎn),本文組合采用了灰色GM1,1模型和BP神經(jīng)網(wǎng)絡(luò)模型,不只對(duì)各因素未來(lái)幾年的數(shù)據(jù)進(jìn)行了預(yù)測(cè),同時(shí)也綜合考慮了其對(duì)鄉(xiāng)村再生水年利用量的影響,提升了模型預(yù)測(cè)結(jié)果準(zhǔn)確度和可靠性。分析標(biāo)明,以原始序列數(shù)據(jù)及灰色GM1,1模型預(yù)測(cè)數(shù)據(jù)分別作為網(wǎng)絡(luò)檢驗(yàn)輸入單元,預(yù)測(cè)蘇州市2019年及2020年鄉(xiāng)村再生水利用量,輸出結(jié)果精度均較高,驗(yàn)證了該方法的可行性及有效性,并對(duì)蘇州市2021年、2022年及2025年的鄉(xiāng)村再生水利用量進(jìn)行了預(yù)測(cè),分別為35478.53萬(wàn)、39804.10萬(wàn)、46404.85萬(wàn)m3該方法適用于再生水利用發(fā)展較晚、利用量及其影響因素歷史數(shù)據(jù)少的鄉(xiāng)村,可為鄉(xiāng)村再生水利用量的評(píng)估以及完善再生水利用規(guī)劃提供參考依據(jù)。
“本文由上海皙全水處理設(shè)備網(wǎng)提供任何人和單位不得轉(zhuǎn)載盜用”。
- 上一篇：嘉興GMP純水設(shè)備解讀：水生態(tài)監(jiān)測(cè)主要監(jiān)測(cè)什么，有哪些監(jiān)測(cè)指 2023/5/11
- 下一篇：祝賀蘇州皙全純水設(shè)備有限公司年初八開工大吉 2018/2/23
