摘要:基于国家水资源管理信息系统的月用水量数据分析,选用ARIMA模型、BP神经网络模型以及经过遗传算法(GA)优化的BP神经网络模型(GA-BP神经网络模型)进行月用水量模拟。在构建BP神经网络模型过程中,通过多源社会经济数据的整合与分析,采用平均影响值算法(MIV)和皮尔逊相关系数联合方法筛选月用水量的关键影响因子。研究结果表明,三种模型在陕西省月用水量预测中均表现出较高的精度,其中GA-BP神经网络模型的预测精度最高。为进一步验证影响因子对模拟结果的影响,采用不同方法筛选影响因子作为GA-BP神经网络模型的输入,模拟结果表明,MIV和皮尔逊相关系数联合方法提高了影响因子的选取精度,能够有效提升GA-BP神经网络模型的模拟性能。