随着我国国民经济的飞速发展,国内用水需求呈不断增长的趋势,如何同时满足人类对水和能源的需求成为全球正面临的三大难题之一。2013年1月,国务院办公厅发布的《实行最严格水资源管理制度考核办法》明确了用水总量作为水资源开发利用控制红线的考核标准,并下达了全国各省市用水总量控制目标。用水总量已成为全国水资源承载力状况评估与预警系统中的一个重要指标,对其进行合理可靠的预测分析,对于国家和地区未来水资源利用总体规划、水的中长期供求计划以及区域水资源承载能力评价等具有重要的现实意义。

在综合创新类实验项目的开放方面，引导和鼓励学生参加自动化学院举办的“彩灯节大赛”、“智能控制大赛”、“智能循迹小车大赛”、“数电课程及PCB制板比赛”等主题创新比赛，并积极组织推荐优秀学生参加全国大学生“恩智浦杯”智能汽车竞赛(华南赛区，国赛)、中国机器人大赛(华南赛区，国赛)、电子设计大赛(省赛，国赛)、“毕昇杯”全国电子创新竞赛、全国大学生节能减排社会实践与科技竞赛、“挑战杯”大赛、“西门子杯”中国智能制造竞赛、“亚龙杯”全国大学生智能建筑工程实践技能竞赛等各类科创竞赛，通过这些竞赛，培养了学生严谨的思维，提高了学生的综合设计及创新研发能力。

诸多学者在区域用水总量预测方法研究及模型应用上已进行了许多有益的思考与探索,如趋势分析法、定额法、回归分析法、灰色预测模型、系统动力学模型等方法均得到了较为广泛的应用[1]。其中,灰色预测模型的趋势预测法具有对信息完整性、时间序列长度要求较低,预测范围广、预测精度较高等特点[2]。已有研究成果表明,灰色预测模型在预测区域中长期用水总量方面具有一定的适用性[3]。GM(0,N)模型既融入了灰理论,又克服了静态模型对于样本数量、线性分布等建模要求的限制,对样本较短、波动性较强的用水量序列的模拟和预测具有较好的适用性;而弱化算子处理方法能够有效地缓冲序列波动程度,可提高GM(0,N)模型的精度。因此,本文运用灰色关联度分析方法,综合考虑太湖流域用水总量与各相关指标的关系,选取了关联度较好的指标作为预测因子;而后根据GM(0,N)模型原理,采用弱化算子处理方法改善了波动数据对模型的影响,建立了能够反映太湖流域用水总量变化规律的灰色预测模型,并对流域未来一定时期的用水总量进行预测分析;同时，对比分析了多元回归模型及改进前、后的GM(0,N)模型共3种预测模型的预测效果,以多角度评价灰色预测模型对太湖流域用水总量未来可能的变化趋势预测的适用性。

对调查区内的5件橄榄玄武岩进行稀土元素分析(表3、图3)[5]，结果显示，调查区稀土总量一般在88.21×10-6～112.79×10-6之间，平均为97.41×10-6。5个样品在稀土元素标准化分布型式图中表现出相同的变化趋势，轻重稀土分馏明显，且LREE分馏较强。La/Yb平均值为8.85，LREE/HREE介于7.28～7.77之间，显示岩浆分异程度一般。δEu值介于0.98～1.01之间，δCe平均值为0.92，基本不显示铈、铕异常。

1　灰色预测模型的建立

1.1　灰色关联度分析

灰色关联是指系统因子之间的不确定关系,灰色关联度分析方法是对离散的数据序列之间相关程度的一种定量化比较分析方法。设原始数据其中，当i=1时,为系统特征数据;当i=2,…,m时,为相关因素数据。则灰色关联度的计算方法如下[4]:

步骤3　计算灰色关联度γ1i。

 

i=1,2,…,m。

由表1可以看出，国内移动阅读研究的核心作者中茆意宏、高春玲在移动阅读兴起阶段就开始了研究，且发文量较多。移动阅读研究机构主要集中在高校，且主要以高校的信息管理学院（系）、管理学院、信息科技学院、新闻（传播）学院、图书馆为主。

(1)

步骤2　计算灰色关联系数γ1ik。

γ1i(k)=

CCtalk平台中日语比较受欢迎的几位老师都有着以下几个共同点：(1)有较好的与日语相关的教育或留学背景或工作经历，专业能力比较强；(2)语速居中或较快，没有过多语气词的停顿；(3)说话方式温和平易近人，授课有激情；(4)教授内容多为语言基础知识包括语法单词能力考等等，简单易懂，成体系。

 

(2)

式中:ξ为分辨系数,取值范围为(0,1);k=1,2,…,n。

步骤1　计算序列初值像。由于数据单位不一致,采用初值化法对原始数据进行无量纲化处理，得到:

一是加强培训和实地考察。除了对医务人员、教育工作者加强人才交流外，还应强加对村党组书记、贫困村致富带头人、企业经营管理者的培训、跟班进修和实地考察，全面学习东南沿海发达地区先进的发展理念、生产经营模式、医疗和教育管理经验及技术，进一步开阔眼界、启迪思维、加深交流、提升素质。二是加强技术指导。邀请连江县农业技术方面的专家到陇西县开展种植、养殖等方面的技术培训及指导，帮助提高陇西县专业技术人才的综合素养和产业发展水平。

 

(3)

1.2　改进的灰色预测模型的建立

传统的灰色预测模型存在对波动性较强、离散性强大的数据序列预测精度较低的缺陷。为降低数据波动造成的精度误差,改进的GM(0,N)模型在构造数据序列时包括了弱化原始数据与累加数据序列两个部分。设Y(0)=(Y(0)(1),…,Y(0)(n))是原始数据序列,d是缓冲算子。当Y(0)为单调递增(减)或波动序列、缓冲序列Yd比原始序列Y(0)的递增速度(或递减速度)减缓时,就将缓冲算子d称为弱化算子[5]。

从图4接收信号相关后的频谱可以看出其中包括一次谐波和二次谐波的和频和差频,以及对应的倍频分量等高频信号,以及去调制后的低频信号[9];本文对相关处理后的信号设计了低通滤波器以滤除高频分量,考虑FPGA的资源限制,设计了一个32阶的FIR低通滤波器,截止频率设计为10 Hz[10];根据设计原理将低通滤波后的信号进行平方和开根号处理后,可得提取的一次谐波和二次谐波信号[11],如图5(a)、图5(b)所示。

综合分析,取0.89为阈值,可选取灰色关联度大于0.89的人口数量X1、降雨量X3、用水消耗总量X4、污水排放总量X5、工业用水量X6、每公顷农田灌溉用水量X8这6个指标作为灰色系统相关因素指标,用水总量X0为系统特征指标。6个相关因素指标可覆盖社会人口、社会经济、生态环境、水资源等多个方面,经对实际因素序列统计分析,被选择的6个因素指标相互之间不存在较大的交叉,能够较好地表达用水总量的变化规律。

令Yd=(Yd(1),Yd(2),…,Yd(t),…,Yd(n)),其中则当Y0为单调递增(减)或波动序列时,d就为一阶弱化算子,Yd为经过一阶弱化后的缓冲序列。

令Yd2=(Yd2(1),Yd2(2),…,Yd2(t),…,Yd2(n)),

其中则对于单调递增(减)或波动序列,d2为二阶弱化算子,Yd2为经过二阶弱化后的缓冲序列。

令序列Yd2为新数据序列X(0)=(X(0)(1),…,X(0)(k),X(0)(n)),并对其进行一次累加,得到X(1)=(X(1)(1),X(1)(2),…,X(1)(k),…,X(1)(n)),其中即X(1)为缓冲序列的1—AGO序列。由此可建立GM(0,N)模型[6]:

 

(4)

式中:a为补偿系数;bi为贡献系数。

根据前述灰色关联度的计算方法,取ζ=0.5,计算得到的13个相关指标与用水总量的灰色关联度，计算结果见表2。

设矩阵

 

则参数列的最小二乘估算式为[7]:

本次事故中，110kV那安线发生B相接地故障，那曲变那安线041开关接地距离I段保护快速正确动作，并重合成功。但在110kV那安线故障那曲变那安线041开关保护动作同时，引起上一级联络线110kV当那线当雄变侧041开关零序过流I段保护动作开关跳闸，造成那曲地区电网与系统解网。由于本次事故影响较大，结合当时的电网运行方式，及时开展了一系列事故调查及故障模拟计算分析工作：

 

(5)

求解式(5)可得模型估计式,再通过一次累减得到累减还原式:

本刊常设“研究报告”、“研究简报”、“仪器装置与设备”等栏目。“定期评述”栏目系统发布特邀知名专家学者撰写的国内外分析化学各领域的综合评述，连续跟踪学术发展前沿。

(6)

1.3　模型精度检验

一般来说,可采用残差检验的方法对预测模型的精度进行考察,从而评价和判断模型预测的可行性与精度。其中,相对误差检验的方法是最常用的。设原始数据的预测模拟值为则残差序列ε(0)=点相对误差为：

 

平均相对误差为：

 

模型精度等级参照表见表1[8]。

 

表1　模型精度等级参照表　%

  

一级二级三级四级平均相对误差≤1≤5≤10≤20

2　太湖流域用水总量模型的建立

2.1　区域概况与预测因素指标选取

太湖流域位于长江三角洲南部,流域面积约3.69万km2,自然条件优越,经济基础雄厚,是人口最稠密的地区之一。而经济社会的快速发展,使该流域用水压力不断加大。统计资料显示,2006年太湖流域水资源供需缺口达139亿m3,日益突出的水资源短缺问题严重制约了流域经济社会的发展[9]。本文旨在通过分析太湖流域用水总量的演变规律,揭示用水总量与驱动因子之间的内在联系,从而科学合理地预测流域未来中长期的用水总量。

根据历年《太湖流域及东南诸河水资源公报》收集整理的太湖流域社会经济发展和水资源状况指

从太湖流域用水总量的变化趋势可以看出:①2003—2007年的用水总量呈上升趋势,这是因为太湖流域此阶段的城市化进程较快,经济、人口规模迅速扩大,加之全流域水资源利用综合效率不高,促使水资源消耗急速增加。②2008—2015年的用水总量趋于平稳,整体有减小趋势,但随机波动性较强,变化规律难以直观看出。这是因为此阶段，一方面，流域内社会经济的高速发展,引起工业用水不断增加,且居民生活水平的提高也引起生活用水量有所增长;另一方面,产业结构的优化调整、阶梯式水价的实施、节水措施的落实,使用水总量呈减少趋势；同时,受气象、环境等自然因素的综合影响,太湖流域用水总量呈现一定的波动性。

  

图1　2003—2015年太湖流域社会经济发展和水资源状况指标

标如下:用水总量X0(亿m3)、人口数量X1(万人)、农田面积X2(万hm2)、降雨量X3(mm)、用水消耗总量X4(亿m3)、污水排放总量X5(亿t)、工业用水量X6(亿m3)、人均用水量X7(m3)、农田灌溉用水量X8(m3/hm2)、生产总值X9(亿元)、二三产业结构比X10、生态环境用水量X11(亿m3)、水资源总量X12(亿m3)、万元GDP用水量X13(亿m3),具体指标数据统计情况如图1所示，图中各指标的取值均可从图表纵轴刻度中获取。

2.2　灰色关联度计算

参数求解过程如下:

夏国忠让话务员拨通营部的电话，向营长汇报了战况和伤亡情况。最后，夏国忠对营长说：“鬼子的飞机和大炮太厉害了，像这样炸下去，最多明天，高家岭阵地就会被炸平了。”

 

表2　各相关指标与用水总量的灰色关联度计算结果

  

相关因素人口数量X1农田面积X2降雨量X3用水消耗总量X4污水排放总量X5工业用水量X6人均用水量X7灰色关联度0．91280．87490．93150．90760．97790．91170．8785相关因素每公顷农田灌溉用水量X8生产总值X9二三产业结构比X10生态环境用水量X11水资源总量X12万元GDP用水量X13灰色关联度0．89820．60790．83500．75440．77380．7604

2.3　带弱化算子的GM(0,N)模型的建立

鉴于太湖流域用水总量及各相关因素指标历年数据变化具有波动性的特点,采用弱化算子法对原始数据进行二阶弱化,得到的缓冲序列波动程度减小,并呈现出较明显的规律性。现以用水总量及工业用水量为例对此方法进行说明,如图2所示。

  

图2　弱化前后的用水总量、工业用水量数据变化比较

从图2可以看出用水总量、工业用水量的原数据序列具有较强的波动性,二阶弱化后的数据序列均表现出较单调、平缓的变化特点,适合建立灰色预测模型。太湖流域用水总量预测模型的计算过程如下:

围绕着80、90后崛起一代目标消费群，百雀羚通过电视、网络、微博及以传统展会形式进行了卓有成效的结合，达成品牌传播和促销信息的传递。一手抓销售，一手抓品牌，将销售结果与品牌升位紧密焊接在一起，实现了销售与品牌的有效互动。

对筛选出的6个系统相关因素指标和1个系统特征指标进行弱化算子处理,并将处理后的系统相关因素指标和系统特征指标进行一次累加处理,生成新的数据序列,构建GM(0,7)模型。设太湖流域用水总量X0的GM(0,7)模型为:

式中:为模型时间响应序列为模型模拟值。

 

(7)

则

 

 

[701.3,1 051.6,1 401.5,1 750.8,2 099.5,

2 447.6,2 795.2,3 142.0,3 487.8,3 832.3,

4 174.3,4 515.7]T。

则参数列的最小二乘估计为:

 

-0.155 0， 2.341 7，1.296 3，-0.003 1]。

代入式(7),可得到太湖流域用水总量GM(0,7)模型为:

1.694 4。

(8)

通过式(8)，累减后可得到太湖流域2003—2015年的用水总量模拟式：

 

350.4,349.9,349.4,348.6,347.5,346.3,

343.7,343.1)。

2.4　模型精度检验与适用性分析

为了评价分析所建模型的合理性及预测精度,现将建立的太湖流域用水总量多元回归模型以及改进前、后的GM(0,N)模型预测结果进行对比。根据3种模型的用水总量预测模拟值,分别计算其残差及相对误差,具体结果见表3。

依据表3中的数据可知:传统GM(0,N)模型、多元回归模型、改进后的GM(0,N)模型的平均相对误差分别为0.82%、0.94%、0.47%;3种模型的k点相对误差均满足模型二级精度等级(≤5%),平均相对误差均满足一级精度等级(≤1%)要求;与前两个模型相比,改进后的GM(0,N)模型预测误差明显降低。由此可见,弱化算子处理方法有助于GM(0,N)模型对用水总量与相关因素序列之间规律性的发掘,可有效地提高模型的预测精度。由改进的GM(0,N)模型预测得到的太湖流域未来用水总量,其精度较高,对实际变化趋势的反映较客观,预测效果优于其他一般模型。

 

表3　传统GM(0,N)模型、多元回归模型与改进后的GM(0,N)模型的拟合精度对比

  

年份实际用水总量/(亿m3)传统GM(0，N)模型模拟用水总量/(亿m3)k点相对误差/%多元回归模型模拟用水总量/(亿m3)k点相对误差/%弱化算子处理后的GM(0，N)模型作用值模拟用水总量/(亿m3)k点相对误差/%2003年306．3314．82．78314．81．53350．6351．30．192004年344．3342．50．52342．50．45350．7351．90．352005年354．5354．80．08354．80．15350．3352．00．482006年361．1361．90．23361．90．39349．9351．70．522007年372．7372．20．14372．21．30349．3351．10．522008年354．6360．91．77360．92．24348．7350．40．502009年353．3350．80．70350．80．26348．2349．90．492010年355．4359．21．08359．21．95347．6349．40．522011年354．8354．60．07354．60．18346．8348．60．532012年349．5350．50．29350．50．71345．8347．50．492013年364．3364．10．07364．10．05344．5346．30．532014年343．5351．12．20351．12．35341．9343．70．532015年341．4338．90．75338．90．61341．4343．10．50平均相对误差/%0．820．940．47

3　未来用水总量预测与分析

应用改进的GM(0,N)模型对太湖流域2016—2020年的用水总量进行预测,结果见表4。由表4可以看出，与太湖流域2015年的实际用水总量(341.4亿m3)相比,除2016—2018年的用水总量比2015年略有增加外,2019—2020年的用水总量总体上呈平稳减小趋势。

 

表4　基于改进后的GM(0,N)模型的太湖流域用水总量预测　亿m3

  

年份2016年2017年2018年2019年2020年用水总量预测值342．9342．5341．7340．9340．1

用水总量与区域内水资源管理、节水技术水平等若干因素密切相关。近几年，从太湖流域有效落实的节水政策、不断优化调整的工业产业结构、逐步深化的各行业用水定额管理来看,流域未来用水总量出现大幅增长的可能性不大,用水总量及其变化趋势在未来一定时期内将趋于稳定。因此,可认为模型预测结果与流域最严格水资源管理实施目标以及水资源可持续利用战略需求相一致,改进后的灰色预测模型及其预测结果具有一定的合理性,可为太湖流域水资源承载力状况评价及水资源预警机制建设提供决策参考依据。

4　结语

结合弱化算子处理方法对传统GM(0,N)模型进行了改进,运用传统GM(0,N)模型、多元回归模型、改进后的GM(0,N)模型对太湖流域2003—2015年的用水量进行模拟。从拟合结果可知，改进后的GM(0,N)模型的平均相对误差最小,预测精度优于未处理原始数据所建立的预测模型,模型精度得到了明显提高。通过对比分析改进后的GM(0,N)模型预测的太湖流域2016—2020年用水总量序列变化趋势和流域的政策制度可知,改进后的GM(0,N)模型对太湖流域用水总量预测具有一定的适用性。此外,相比于结合智能算法的灰色预测模型的改进,该方法的原理更加简单,操作更加便捷。

由相关性分析结果可知，和消费者图片评估水光感的结果具有显著相关性的参数有：专家视觉评估皮肤光泽度、皮肤粗糙度、色斑明显程度；仪器评估L值、a值、ITA值、R0值、R3值、SESC值、VOLUME值。

参　考　文　献

[1] 王福林.基于灰色系统预测模型与定额法预测模型的辽宁省中长期需水预测研究[J].沈阳农业大学学报,2013,44(4):491-494.

[2] 吉文娟,顾本文.GM(0,N)灰色预测模型在云南小春作物产量预报中的应用[J].中国农业气象,2006,27(3):229-232.

[3] 袁一星,张杰,徐洪福,等.城市用水量中长期预测模型的研究[J].给水排水,2004,30(6):102-105.

[4] 解伟,温中华,肖自龙.灰色预测和灰色关联度在结构可靠度中的应用[J].华北水利水电学院学报,2005,26(2):15-18.

[5] 向宇,吴琴.改进的灰色预测模型在全国用水量预测中的应用[J].湖北民族学院学报(自然科学版), 2015,33(1):25-30.

[6] 鄢勇飞,朱顺应,王红,等.基于GM(0,N)灰色系统的公路运输量预测方法[J].武汉理工大学学报(交通科学与工程版),2010,34(1):93-96.

[7] 刘思峰,党耀明,方志耕,等.灰色系统理论及应用(第五版)[M].北京:科学出版社,2010:172-173.

[8] 张勇,刘婵,姚亚平.GM(1,N)与GM(0,N)模型在能源消费碳排放预测中的比较研究[J].数学的实践与认识,2014,44(5):72-79.

[9] 杨亮,丁金宏.城镇化进程中人口因素对水资源消耗的驱动作用分析:以太湖流域为例[J].南方人口,2014,29(2):72-80.

为满足性能和灵活性要求,前端采用Silverlight开发矢量/栅格混合显示环境,在GIS地理信息系统平台客户端上实现基于GIS的多要素叠加展示,通过统一配合规则描述多个要素的数据路径、时间规则、显示样式等,调用WebService接入原始数据。