現在位置首頁 > 博碩士論文 > 詳目
  • 同意授權
論文中文名稱:每月平均日計費計量水量預測模型之建立 [以論文名稱查詢館藏系統]
論文英文名稱:Developing A Forecasting Model for The Daily Averaged Billed Metered Consumption of Every Month [以論文名稱查詢館藏系統]
院校名稱:臺北科技大學
學院名稱:工程學院
系所名稱:土木與防災研究所
畢業學年度:102
出版年度:103
中文姓名:姚榮昇
英文姓名:Jung-Sheng Yao
研究生學號:101428526
學位類別:碩士
語文別:中文
口試日期:2014-07-10
論文頁數:109
指導教授中文名:張哲豪
口試委員中文名:陳彥璋;吳祥禎
中文關鍵詞:計費計量水量時間序列分析預測模型
英文關鍵詞:Billed Metered ConsumptionTime Series AnalysisForecasting Model
論文中文摘要:  2003年國際水協會發表「標準水量平衡表」統一各項水量定義,為了與國際接軌,臺北自來水事業處根據該水量定義,並為瞭解每個月包含生產、營業、財務三方面的產銷狀況,將配水量、計費水量與水費收入列為主要管理數據。其中計費水量又以「計費計量水量(BMC)」,直接顯示自來水事業的營業情形,更須要能夠即時反映當下現況。在臺北自來水事業處,因人工抄表人力限制,當月的抄表收費水量僅代表過去1至3個月期間的BMC,無法顯示當月BMC。本研究擬以時間序列分析,研發BMC之預測模型,由當月抄表收費水量來計算推估當月BMC。研究中同時結合「平均水量分配法」,根據抄表期間的用水日數重新分配,得到合理的「每月平均日BMC」。採用IBM SPSS軟體,建立「每月平均日BMC」時間序列,在參數精簡原則及觀測數量不得少於50筆之原則下,以91年8月至101年7月「每月平均日BMC」共120筆觀測值建立的ARIMA(4,1,2)時間序列模型,其R平方值最接近1且BIC準則值最小。該ARIMA(4,1,2)模型在不同時段的預測結果,經比對觀測值,準確率皆可達97.29%以上,最小偏差率更只有0.01%。
論文英文摘要:  2003 International Water Association published a "standard water balance" harmonization of the definition of water. To international standards. Taipei Water Department is defined under the water. To understand the cause of each month includes water production, sales, finance and marketing conditions in three items. The system input volume、revenue water and water income management as the main data. In revenue water , " Billed Metered Consumption(BMC)" Show directly business situation in water utilities. More need to be able to reflect the current status of real-time. In Taipei Water Department, due to labor’s limitation of manual meter reading. Water meter charges on behalf of BMC in the past month only 1-3 month period. Can not display the status of the month. This study intends to Time Series Analysis. BMC's prediction model developed. Water meter charges by the month to calculate the estimate of the month BMC. Research and Application "Average water allocation method". According to the number of days of water meter reading did average and reallocate, and got "Monthly Averaged Daily Billed Metered Consumption". Using IBM SPSS software to create "Monthly averaged Daily BMC" Time series. Under the principle of parameters that needed more fewer and the principle of not less than the number of observations of 50. Established ARIMA (4,1,2) time series model of a total of 120 "Monthly averaged Daily BMC" observations In August 2002 to July 2012. R-squared value was the closest to 1 and the number of BIC criteria was the Minimum. Analysis ARIMA (4,1,2) model of the predicted influence at different times. After comparing observations, the accuracy of the predicted value was up to 97.29% and even Minimum deviation rate was only 0.01%.
論文目次:中文摘要                  i
英文摘要                    ii
誌謝                    iv
目錄                    v
表目錄                   vii
圖目錄                  viii
第一章 緒論               1
1.1 研究動機與目的             1
1.2 文獻回顧             2
1.2.1 供水種類              3
1.2.2 用戶用水設備            3
1.2.3 水表            3
1.2.4 抄表收費水量           3
1.2.5 計費計量水量            4
1.3 用水量預測            5
1.4 研究流程及方法           14
1.5 研究範圍與限制          16
第二章 每月平均日計費計量水量      17
2.1 計費計量水量的定義        17
2.2 抄表收費方式           18
2.3 名詞符號定義          19
2.3.1 抄表收費水量           19
2.3.2 平均日抄表收費水量     20
2.3.3 計費計量水量         21
2.4 分析平均水量分配法           22
2.4.1 方法概述             22
2.4.2 平均水量分配法          24
第三章 驗證平均水量分配法          25
3.1 計算計費計量水費         25
3.1.1 基本資料蒐集        25
3.1.2 平均法分配至每日      27
3.1.3 計算每月平均日計費計量水量 30
3.1.4 小結            31
3.2 平均水量分配法之可行性分析      34
3.2.1 以每月平均氣溫進行驗證       34
3.2.2 每月人口變動情形        39
第四章 建立日均BMC預測模型            41
4.1 時間序列分析法           41
4.1.1 時間序列基本定義      41
4.1.2 時間序列之性質       41
4.1.3 時間序列ARIMA模式     43
4.1.4 時間序列ARIMA模式之選取準則 45
4.1.5 時間序列ARIMA模式之方程式 46
4.2 模型參數估計及選擇       50
4.2.1 以83年5月至101年7月之每月平均日BMC 50
4.2.2 以86年8月至101年7月之每月平均日BMC 52
4.2.3 以91年8月至101年7月之每月平均日BMC 54
4.2.4 以91年8月至99年7月之每月平均日BMC 55
4.2.5 以96年8月至101年7月之每月平均日BMC 56
4.3 模型參數逐步測試與選擇     58
4.3.1 ARIMA(p,0,1)             58
4.3.2 ARIMA(5,0,q)            63
4.3.3 ARIMA(p,1,1)            65
4.3.4 ARIMA(4,1,q)            66
4.4 模型預測評估          70
4.4.1 分析預測101.8~102.8的情形 70
4.4.2 分析預測前3個月的情形        71
4.4.3 分析預測99.8~102.7的情形        74
4.5 預測偏差分析           75
第五章 結論與建議             76
5.1 結論               76
5.2 建議                77
參考文獻                  78
附錄
A 原始抄表收費水量部分資料表     82
B 各項BMC、氣候及人口數據資料表     90
C 時間序列分析ARIMA(4,1,2)成果資料表 95
論文參考文獻:1.Lambert, A. “Assessing Non-Revenue Water and its Components: A Practical Approach”, The second in a special series of articles for Water21 by the IWA Water Loss Task Force., 2003.
2.時佳麟,「計算NRW方法-由人工抄表收費水量合理推估計費計量水量之研究」,中華民國自來水協會第29屆自來水研究發表會論文集,臺中,2012,編號B09。
3.盧清雄,談台灣省自來水事業之企業化管理,中華水資源管理學會季刊,第1期,2005。
4.周國鼎,我國自來水事業產銷平衡表之芻議,自來水會刊,第 31 卷第 1 期,2012,第40-52頁。
5.臺北自來水事業處入口網站,關於水處/本處簡介/歷史沿革,
,(2014.4.11)
6.臺北自來水事業處營業章程,2013.3.14北市水企字第10230459100號公告修正,並自2013.4.1實施
7.臺灣自來水公司入口網站
https://www.water.gov.tw/04service/ser_c_main4.asp ,(2014.4.28)
8.李丁來、陳郁仁、李宗坤、唐俊成,「管理用水量計之整合管理」,中華民國自來水協會第42屆自來水節研究論文,臺南, 2009
9.吳其璋,劉長齡,應用逐步過濾法預測都市用水,碩士論文,國立成功大學水利及海洋工程研究所,台南,1993。
10.Zhou, S., McMahon, T., Walton, A., and Lewis, J., “Forecasting daily urban water demand: A case study of Melbourne.” Journal of Hydrology,Vol. 236, Issues 3–4,2000, pp.153-164.
11.孫崇智,周志儒,水資源區域需水量預測模型之研究,碩士論文,國立高雄第一科技大學環境與安全衛生工程所,高雄,2000。
12.Jasem M. Alhumoud, “Freshwater consumption in Kuwait: Analysis and forecasting.”Journal of Water Supply Research and Technology-AQUA”, Vol.57, Issue 4, 2008, pp.279-288.
13.Cosmos Agbe Kwame Todoko, Time series analysis of water consumption in the Hohoe municipality of the Volta region of Ghana, M.S. Thesis, Kwame Nkrumah University of Science & Technology, PMB Kumasi, Ghana, 2013.
14.周海龍,劉祥熹,台北都會區生活用水量之模式建構與模擬-類神經網路模式之應用,農業經濟半年刊,71期,2002,第77-112頁。
15.周海龍,劉祥熹,台灣都會區生活用水量之預測-類神經網路之應用,碩士論文,國立中興大學資源管理研究所,台中,1994。
16.儲誠山,張宏偉,郭軍,基於遺傳算法和BP神經網絡的用水,中國農村水利水電,第4期,2006,第36-38頁。
17.洪敏育,陳世良,台灣地區自來水需求之預測,碩士論文,國立彰化師範大學會計學系企業高階管理,彰化,2006。
18.駱佩婷,葉昭憲,台中市生活用水量之模式建構與模擬,碩士論文,逢甲大學水利工程與資源保育研究所,台中,2007。
19.Ghiassi, M., Zimbra, D., and Saidane, H., "Urban water demand forecasting with a dynamic artificial neural network model," Journal of Water Resources Planning and Management,Vol.134, Issue 2 ,2008, PP. 138-146.
20.羅莉璇、葉昭憲,台中市商業用水量之模式建構與模擬,碩士論文,逢甲大學水利工程與資源保育研究所,臺中,2010。
21.黃元鴻,林裕彬,臺北都會區民生用水預估模式之研究,碩士論文,中國文化大學地學研究所,臺北,1999。
22.Maruyama Y., Matsumoto K., Yamamoto H., Nakazawa T., Tanabe M., "A study for forecasting water supply demand in the Kanagawa prefectural waterworks service area," Japan Industrial Management Association,Vol.55, Issue 5, 2004, PP. 283-292.
23.鄭立民,劉祥熹,台灣地區用水需求之模式建立與預測,碩士論文,國立中興大學資源管理研究所,台中,1994。
24.傅金車,周志儒,灰色系統應用於南部地區水資源需水量預測模型之研究─以自來水為例,碩士論文,國立高雄第一科技大學環境與安全衛生工程所,高雄,2001。
25.黃啟芳,周志儒,灰色系統應用於南部地區水資源預測模型之研究─以自來水出水量為例,碩士論文,國立高雄第一科技大學環境與安全衛生工程所,高雄,2002。
26.Bougadis J., Adamowski K. and Diduch R., "Short-term municipal water demand forecasting," Hydrological Process, Vol. 19, Issue 1, 2005, pp. 137-148.
27.郭雅熅,許盈松,台灣地區生活用水量之推估研究,碩士論文,逢甲大學水利工程與資源保育研究所,台中,2007。
28.黃炯博,陳昶憲,葉昭憲,應用遺傳規劃法於生活用水量之預測以台中市為例,碩士論文,逢甲大學水利工程與資源保育研究所,台中,2007。
29.鄭志賢,王天津,民生用水需求預測之研究,碩士論文,義守大學資訊管理學系碩士班,高雄,2007。
30.張維峻,李育明,臺灣地區生活用水型態與用水量之推估研究,碩士論文,國立臺北大學自然資源與環境管理研究所,臺北,2013。
31.Emmanuel A. Donkor, Thomas A. Mazzuchi, Refik Soyer, and J. Alan Roberson, "Urban Water Demand Forecasting: Review of Methods and Models." Journal of Water Resources Planning and Management, Vol.140, Issue 2, 2014, pp. 146-159.
32.中央氣象局入口網站,每月氣象資料(94年1月至102年7月),
http://www.cwb.gov.tw/ ,(102.11.1)
33.臺北市政府民政局入口網站,人口統計,
http://www.ca.taipei.gov.tw/ct.asp?xItem=1503254&ctNode=41896&mp=102001 , (2014.3.31)
34.新北市政府民政局入口網站,人口統計,
http://www.ca.ntpc.gov.tw/230;DATA_Population/List , (2014.3.31)
35.葉小蓁,時間序列分析與應用,臺北:台大法律學院圖書文具部,1998。
論文全文使用權限:同意授權於2015-09-01起公開