为了避免污水处理厂规模盲目扩大造成的投资效率低下的现象发生,科学地预测合理的用水量必不可少。基于用水量的实际历史数据,利用BDS检验、Box-Pierce检验和Box-Ljung检验以及非线性检验,如代替数据检验Surrogate date test、Hinich双谱检验、White人工神经网络检验来选择时间序列重构预测模型。根据实际用水量情况,比较各种不同重构模型预测误差,包括线性AR模型以及随机森林、随机梯度Boosting、支持向量、人工神经网络和自适应样条等。结果表明,有着非线性关系的人工神经网络误差最小,符合检验结果。
