系统动力学方法：特点与应用建模

1.人工神经网络方法

人工神经网络是一种由大量简单的人工神经元广泛连接而成的，用以模仿人脑神经网络的复杂网络系统。它在给定大量输入/输出信号的基础上，建立系统的非线性输入/输出模型，对数据进行并行处理，被学术界称为无模型，而不像传统方法（从概念模型到数学模型）的建模过程。实质上它是把大量的数据交给按一定结构形式和激励函数构建的人工神经网络进行学习，然后在给出未来的一个输入的情况下，由计算机根据以往“经验”判断应有的输出。

该方法实际上是对系统的一种黑箱模拟，更适于短期预测和动态预报短期负荷值以及动态训练系统，在这方面不乏成功的实例。而对于长期需水量预测，目前还未见有人进行研究。而且即使能得到较高的预测精度，由于其“黑箱操作”对制定用水政策、提高水的利用率方面并无帮助，因此，该方法不宜用于长期预测。

2.系统动力学方法

系统动力学方法把所研究的对象看作是具有复杂反馈结构的、随时间变化的动态系统，通过系统分析绘制出表示系统结构和动态特征的系统流图，然后把各变量之间的关系定量化，建立系统的结构方程式，以便运用计算机语言进行仿真试验，从而预测系统未来。(www.xing528.com)

该方法应用效果的好坏与预测者的专业知识、实践经验、系统分析建模能力密切相关。通过系统分析、系统模型的建立，可以对系统进行白化，再经过计算机动态模拟，可以找出系统的一些隐藏规律。所以，该方法不仅能预测出远期预测对象，还能找出系统的影响因素及作用关系，有利于系统优化。不过，系统分析过程复杂，工作量极大，且对分析人员能力要求较高。

水资源系统是与社会经济系统、生态环境系统相互作用的复杂系统，因此，研究水资源需求问题必须建立一套能反映问题本质、技术上可行、科学上有依据，而且能反映需水问题多元性、非线性、动态性、多重反馈等特征的模型，实现对水资源需求的估算和动态变化过程的预测。系统动力学作为需水预测系统分析方法可以充分满足以上要求。

下文为系统动力学方法的特点及应用建模过程。