投稿指南
来稿应自觉遵守国家有关著作权法律法规,不得侵犯他人版权或其他权利,如果出现问题作者文责自负,而且本刊将依法追究侵权行为给本刊造成的损失责任。本刊对录用稿有修改、删节权。经本刊通知进行修改的稿件或被采用的稿件,作者必须保证本刊的独立发表权。 一、投稿方式: 1、 请从 我刊官网 直接投稿 。 2、 请 从我编辑部编辑的推广链接进入我刊投审稿系统进行投稿。 二、稿件著作权: 1、 投稿人保证其向我刊所投之作品是其本人或与他人合作创作之成果,或对所投作品拥有合法的著作权,无第三人对其作品提出可成立之权利主张。 2、 投稿人保证向我刊所投之稿件,尚未在任何媒体上发表。 3、 投稿人保证其作品不含有违反宪法、法律及损害社会公共利益之内容。 4、 投稿人向我刊所投之作品不得同时向第三方投送,即不允许一稿多投。 5、 投稿人授予我刊享有作品专有使用权的方式包括但不限于:通过网络向公众传播、复制、摘编、表演、播放、展览、发行、摄制电影、电视、录像制品、录制录音制品、制作数字化制品、改编、翻译、注释、编辑,以及出版、许可其他媒体、网站及单位转载、摘编、播放、录制、翻译、注释、编辑、改编、摄制。 6、 第5条所述之网络是指通过我刊官网。 7、 投稿人委托我刊声明,未经我方许可,任何网站、媒体、组织不得转载、摘编其作品。

水利水电工程论文_基于改进GM-LSSVR模型的郑州

来源:水资源与水工程学报 【在线投稿】 栏目:期刊导读 时间:2021-10-26
作者:网站采编
关键词:
摘要:文章摘要:准确的用水量预测是响应国家高质量发展的重要抓手,也是城市水资源优化配置的基础。针对用水量序列存在波动性、灰色模型与所需因素存在线性关系等问题,本文提出了一

文章摘要:准确的用水量预测是响应国家高质量发展的重要抓手,也是城市水资源优化配置的基础。针对用水量序列存在波动性、灰色模型与所需因素存在线性关系等问题,本文提出了一种基于HP滤波分解的GM-LSSVR预测模型,即先采用灰色关联分析法筛选合适的用水量影响因素,再利用HP滤波分解法将筛选的用水量及影响因素分解为长期趋势序列和短期波动序列,最后通过GM-LSSVR组合模型来预测用水量。以郑州市为例,使用该模型预测2001-2019年用水量,并与GM(1,N)模型、BP神经网络模型的预测结果进行对比。结果表明,基于HP滤波分解的GM-LSSVR预测模型预测精度大大提高,具有可行性与实用性,可以较好的应用于城市用水量预测研究中。

文章关键词:

项目基金:《水资源与水工程学报》 网址: http://www.szyysgcxb.cn/qikandaodu/2021/1026/1017.html



上一篇:环境科学与资源利用论文_房屋建筑工程中的绿色
下一篇:环境科学与资源利用论文_西北地区生态保护与高

水资源与水工程学报投稿 | 水资源与水工程学报编辑部| 水资源与水工程学报版面费 | 水资源与水工程学报论文发表 | 水资源与水工程学报最新目录
Copyright © 2019 《水资源与水工程学报》杂志社 版权所有
投稿电话: 投稿邮箱: