.........................
结论
如今随着城镇化的发展和社会经济水平的日益提升，城市水资源短缺已成为亟待解决的问题。准确的城市需水量预测是城市供水系统自动化、实时化运营的基础，目前能做到城市水量完全监控的城市虽然并不多，但这是我国城市未来发展方向。针对城市需水量预测问题，本文以北京市自来水厂日供水量为例，通过收集近一年的日供水量数据、天气因素、温度情况等数据，建立了一种基于GA-ELM 和加权马尔可夫链误差修正的短期需水量预测模型，取得的主要研究成果如下：
(1)对预测要使用的原始数据的异常值处理和缺失值修补上做了详细的分析，采用科学合理的方法对原始数据进行修改完善，在一定程度上缩小了由于原始数据失真问题导致的模型预测精度的降低。
(2)对传统的极限学习机两种参数进行优化，选取的优化算法为遗传算法。通过仿真对比实验可以得出，在城市需水尺度中经遗传算法优化过的极限学习机短期需水预测模型的预测精度要高于传统的 BP 和极限学习机短期需水预测模型。
(3)为了在 GA-ELM 模型的基础上对预测精度再一步提高，提出马尔可夫误差修正方法，该误差修正方法可以用在任何预测方法的结果中，因此，在本文提出的 GA-ELM 预测模型的基础上进一步提高了模型的预测精度，通过实例验证表明马尔可夫链误差修正方法与传统的优化算法相比，能进一步提高预测准确度。
参考文献（略）
