湖南科技大学湖南省湘潭市411100
摘要：对于城市当中的月供水量所表现出来的规律分析以及预测则是整个供水企业调度管理工作当中的重要组成部分，在本文当中，主要通过针对xx城市作为探究，在针对这一城市当中的供水量与季节变化之间的关系，进而提出了直接指数的水量预测模型，并且对其进行了相应的预测，进而对最终的结果进行验证。在结果当中我们可以看出，在对城市供水量的预测值与真实值进行对比之间产生的误差绝对值在0.559％-5.803％之间，能够更好的满足于月供水量预测的一个要求。
关键词：城市供水量；季节规律；预测分析
针对城市经济的不断发展，人类生活对于水的需求越来越高，丰富的水自言能量能够促使社会可持续发展以及保护城市的安全性，而与之相关的水量预测能够对整个城市的属自愿管理规划、城市供水系统优化、水行业领域的投资等方面具有重要的参考价值。Xx市常年的水资源表现匮乏，长期以往都是通过外调水资源来供给本市区人群的使用。在2014年12月12日南水北调中线工程正式通水之后，南水北调当中所引进的水源之后，南水北调中线来说以及引流金属这一城市就成为了最为主要的水资源，这一水源引进也在很大程度上缓解了这个城市供水紧张这一问题，针对那些多水源的供水城市，也能够对整个城市的水资源的可持续运用提供良好的知道。笔者针对XX市在2014-2017年当中的供水量进行了有效的统计和比较之后，分析了这座城市供水量在每一个季节规律当中的变化，并基于季节指标进行了城市供水量的一个预测，由此来方便本城市水源水量调度计划提供良好的数据支持，并且能够为本行业后期的水量分析以及预测提供更好的参考依据。
一、可供水量与季节规律的主要概括
1.1可供水量的主要概念及计算依据
针对可供水量而言，主要是水资源供需分析计算中，需计算不同水平年、不同代表年分区单元(或区域)的可供水量，并与需水量比较，进行供需分析，以便计算出分区的余、缺水量和各项开发利用指标。
水资源供需分析计算中，需计算不同水平年、不同代表年分区单元(或区域)的可供水量，并与需水量比较，进行供需分析，以便计算出分区的余、缺水量和各项开发利用指标，为编制国土整治计划、江河综合规划、地区水利规划、城乡供水和工农业发展规划以及水资源优化配置等提供科学的依据。
可供水量的计算方法，直接影响其数据的合理性。本文针对可供水量的定义及计算方法中存在的问题，进行讨论，以其实现澄清概念、完善方法的目的。以季节变化的规律进而对整个城市的可供水量进行预测，并通过各种工程措施，可开发利用的水量。
1.2季节的成因与主要特征
季节更迭的根本原因是地球的自转轴与其公转轨道平面不垂直，偏离的角度是23度26分(黄赤交角)。在不同的季节，南北半球所受到的太阳光照不相等，且周期性变换。日照更多的半球是夏季，另一半是冬季。春季和秋季则为过渡季节，当太阳直射点接近赤道时，两个半球的日照情况相当，但是季节发展的趋势却还是相反--当南半球是秋季时，北半球是春季。
季节有两个主要特性，一是季节变换的周期性，一是季节之间的差异性。同一地区，不同的季节，其气候有较大的差异性，主要表现在气温、降雨量等方面，这些差异的主要成因就是日照的多少不同。季节的变化周期一般是一年，所以在中国这种四季分明的国家，民间常以季节作为年和月之间的时间计量单位，虽然这种季节转换的界线不是那么明显，但是其宏观的总体差异还是很容易被感知和辨别的。
二、需水量预测方法的研究概况
2.1需水量预测方法研究现状
城市的需水量预测主要是依据供水系统进行优化与调度的基础与前提之下进行的，其最终所表现出来的准确度直接影响到调度最终决策的可靠性与有效性。通常情况之下，城市的供水量变化不仅具有一定的规律性，同时还具有很强的随机性特点，并且与社会、经济、政治与气候等许多因素都有着非常复杂的重要关系。因而，在进行城市需水量预测的时候，不仅需要分析和掌握运用的规律性，而且还需要兼顾不同因素所带来的重要影响。
国内外的一些专家、学者以及相关工程技术人员会针对这一课题进行大量的研究，对于其中供水量预测的方法进行研究，需要从传统的预测方法逐渐发展到现在的人工智能预测算法，预测的算法已经在当时是非常丰富的。从研究当中我们可以看到，不同的预测方法在预测的精度上、预测的速度上，建模的难以程度上、模型的适应性上、模型的对错误数据的容错性等诸多方面都存在着很大的差异性，每一种不同的方法都会有其独特的局限性特点，总是在某一种特定的环境之下适用的，并不是任何一种方法都能够适用于实际生产调度所带来的各种不同需求。
2.2需水量预测方法研究的具体步骤
对于不同的城市而言，其所表现出来的社会、经济、政治与气候等众多因素之间都有着不同的差异性，其需水量规律以及发展变化趋势也会有所不同；除此之外，不同因素在不同的城市供水区域对需水量变化规律也会产生不同的影响。因此，宣策适合的预测方式、方法，就需要充分考虑到各种不同预测方法之间的优缺点，需要进行大量探索和尝试才能够找到即能够适合供水区特点，又便于软件实现的水量预测方法。
在城市需水量预测研究可以按照如下的步骤进行：a）手机相关的数据资料，并对相关数据做出相应的处理；b）对相关数据资料进行定性的分析，并且归纳供水量变化的相关规律；c）选择若干预测的方法，分别构建用水量预测模型，估计模型当中的参数值；d）检测预测模型，并进行相应的预测；e）对比分析各种不同预测模型预测之间的误差，评价整个预测效果；f)依据预测误差的来源，改进预测的方法；g）编制有通用性的程序模块。
三、研究的相关资料以及研究方法
3.1研究的相关资料
综合考虑了相关数据的可行性以及时效性，并对预测数据的实用性与指导意义进行分析，采用XXX税务集团2014-2017年的市区月供水量作为重要的研究基础，如下图所示。
在这当中xi作为各个月供水量占据全年总供水量当中的百分比；8.22作为在全年当中，绝对平均的一个前提之下进而计算出来的每一个月供水量占据全年总量的百分比。SR值越小则表示整个城市的供水量在当年的月与月之间分配越均匀，波动的幅度不大，反之亦然。
b）季节指数的确定
在城市月供水量当中，大多是依据月记录，这是一种依据典型的时间序列数据，时间序列Y的变化主要受到其中长期趋势的（T）、这一地区当中季节的变化（S）、这当中周期性的变动（C）以及不贵色而且随机性变化的（I）所产生的影响，也就是Y=f（T，S，C，I）；时间当中所表现出来的序列分解的模型，则主要是通过加法模型以及乘法模型，在研究当中采用最为常用的乘法模型对其进行有效的分析：Y=TxSxCxI;在这当中，季节指数主要是观测值，相对于平均的趋势值得变动程度，针对这个城市当中不同月份的日平均供水量的序列，首先是通过2次不同的移动进而计算出TxC的估计值，第1次移动平移计算过程等。在第2次的移动平移计算当中，当j∈[0.5，6.5]的时候，i=2，····，n；当j∈[6.5，11.5]的时候，i=1，···，n-1.得到TxC的估计值之后，进而计算出；=mi，j/；季节指数主要是通过不同的年份以及相同的月份，选取其中的平均值进而得出，并且消除随机性的变化（I）所带来的重要影响。
C）数量的预测
主要是通过实践的序列所表现出来的不同的月份日平均供水量分别除以对应月份的季节指数，进而从中剔除序列当中季节变动产生的重要影响，实现在这当中对时间序列数据所带来的季节性调整。以这当中的月份作为其中的自变量t，经过针对季节性的调整之后所表现出来的各个月份日平均供水量作为因变量y，作数据方程拟合。通常首选线性拟合，将方程以外推n个月，进而得出未来的n个月经季节调整之后的日平均供水量趋势的一个预测数值。将整体的趋势预测值分别乘以相对应月份的季节指数，进而得到各月日平均供水量的一个预测值，各月日平均共数量预测值乘以对应的天数则是这个月的月供水量中的预测值。
四、结果与分析
自然因素主要会与这一地区气候的变化、季节的更替等相关。在这当中，气温的逐步升高，居民当中的饮水量以及用水量都会得到增加，进而导致，城市当中在夏季的时候，供水量则会相对较大；在夏季阴天以及降雨天的时候，供水量就会在不同程度减少，对供水量在不同的年份、不同的季节、不同的月份之间，也都会有一定的差异性。在北方城市的冬天往往会进行供暖，在温度较低的时候用水量则会持续上升，出现在12月份的供水量比重则会比11月份要大。
认为的因素与居民生活的习惯、民俗风情、旅游淡旺季等相关，在周末的时候、节假日的时候，或者是寒暑假的时候，对于用水量往往都比平时要多。2014年到2017年的时候，也都会出现不同的变化，特别实在4，5，7这几个月份的时候，就会有大量的外地返乡人群，此时城市的人口数量便会不断减少，这时候居民的需水量也就会减少。同事，服务业用数量的减少，就会造成在这三年的2月份供水量在全年当中比重逐渐减少。由于国家政策得到大量的扶持，近年来xx城市经济的快速发展，进而促使大量人口进入城市，这时候便会促使SR逐渐上升。
通过城市当中供水量的季节规律分析，在进行水源水量调度的时候，需要不断重视天气预报、旅游季节的淡旺季、学校寒暑假、节假日等因素对于供水量所产生的不同影响，特别实在春节期间所表现出来的共数量调度工作，位于绸缪，做好水源水量的调配工作。
结论
综上所述，城市的供水量具有一定的季节性特点，伴随着经济的发展，产业结构的转变以及人口流动性的变化，这时候的季节性差异逐渐增大，也会导致城市水量预测的准确性在供述行业当中的作用逐渐增大。考虑到整个季节因素对城市供水量所产生的重要影响，构建基于季节指数的水量预测方法。对XX市区月供水量的预测结果表明，这一方法简单而且容易进行操作，预测值与真实值之间的误差所表现出来的绝对值最大为5.803％，最小则为0.559％，能够较好的满足于月供水量预测的需求。
参考文献
[1]浦东杨思水厂将扩建[J].孙杰.上海环境科学.1989(03)
[2]北京市区日供水量三创供水史新高7月30日市区日供水量达294.1万立方米[J].城镇供水.2013(04)
[3]北京市市区日供水量预报研究——滚动筛选法[J].张振宝.中国城镇供水.1998(04)
[4]苏州市吴江区日供水量预测模型的建立与应用[J].鞠佳伟,宋良喜,马晓明.中国给水排水.2017(23)
[5]GA-SVR模型用于日供水量预测的研究[J].牟天蔚,沈丹玉,王玲萍.市政技术.2018(01)
[6]谈“最近期日平均售水量”的计算[J].宋胜山.中国给水排水.1992(06)
[7]调查研究与施工方案设计[J].齐长春.河北水利.2012(08)
[8]基于多分辨BP神经网络的城市日供水量预测模型[J].王圃,唐鹏飞,白云,刘琼.中国给水排水.2018(11)
[9]香港的供水发展[J].赵宇.公用科技.1997(03)
[10]瑞士苏黎士市给水处理[J].岳舜琳.净水技术.1985(02)
[11]Symlets小波幅值算法研究[J].李中伟,程丽,佟为明.电力自动化设备.2009(03)
[12]ARIMA模型在人均生活用水量预测中的应用[J].陆志波,陆雍森,王娟.给水排水.2005(10)
[13]灰色—神经网络组合模型预测城市用水量[J].李斌,许仕荣,柏光明,李黎武.中国给水排水.2002(02)
[14]工程岩体结构面间距空间分布的ARIMA模型及应用[J].于国新,白明洲,许兆义,冯震.工程地质学报.2006(06)
[15]ARIMA模型在成都市供水量预测中的应用[J].黄潇莹,张健.水资源与水工程学报.2010(04)
[16]ARIMA-BP复合模型在建筑能耗预测中的应用研究[J].海涛,曹先省,赵羿,周楠皓,马昭健,周明雨.广西科技大学学报.2018(03)
[17]ARIMA在高层建筑沉降的预测应用[J].李杰.福建建材.2015(08)
[18]基于ARIMA时序辨识的需水量预测[J].练庭宏,刘秋娟,王景成.控制工程.2008(S1)
[19]基于ARIMA的乘积季节模型在城市供水量预测中的应用[J].赵凌,张健,陈涛.水资源与水工程学报.2011(01)