摘要：为解决现有的城市用水量短期预测BP神经网络法对初始权值敏感、易陷入局部极小点和收敛速度慢等问题,通过对城市时用水量数据特征的分析,应用基于全局随机优化思想的粒子群优化（PSO）算法对BP网络的初始权值进行优化,建立了PSO-BP城市时用水量预测模型.在算例分析中与传统BP神经网络预测法进行对比,发现该方法的收敛速度明显提高,且平均预测精度提高了2%,在用水量短期预测中非常有效.

关键词：城市用水量 短期负荷预测 粒子群优化 bp神经网络 预测模型 

单位：天津工业大学环境工程系; 天津300160; 天津大学环境科学与工程学院; 天津300072; 天津市城市规划设计研究院; 天津300201