Elman与GRNN神经网络模型在水环境承载力评价中的应用——以文山州区域水环境承载力评价为例

利用层次分析法构建符合区域水环境承载力的评价指标体系和分级标准,基于Elman神经网络与广义回归神经网络(GRNN)算法原理,提出Elman与GRNN神经网络水环境承载力评价模型,采用内插法构造网络训练样本,将水环境承载力分级评价标准阈值样本进行评价,将结果作为区域水环境承载力等级评价的划分依据,对文山州不同规划水平年水环境承载力进行评价。结果表明:文山州不同规划水平年水环境承载力处于绝对可承载与基本可承载之间,客观反映了区域水环境现状及规划期望效果,可为区域水环境承载力评价和研究提供参考。Elman与GRNN神经网络模型评价结果基本相同,表明研究建立的区域水环境承载力评价模型和评价方法均是合理可行的,二者均可作为区域水环境承载力评价的选用模型。     

双隐层BP神经网络模型在区域水安全评价中的应用

基于BP神经网络的基本原理和方法,构建双隐层BP神经网络水安全评价模型.以相关文献资料进行模型评价效果验证.验证表明:所建立的双隐层BP评价模型和评价方法是合理可行的,是一种可以运用的区域水安全评价方法.基于此模型,结合丰水地区区域实际,利用层次分析法构建了符合丰水地区水安全评价的指标体系和标准,以文山州区域水安全评价为例进行分析.结果表明:文山州各评价区域不同规划水平年水安全评价等级为Ⅳ～Ⅱ级,即处于不安全与安全之间,客观反映了文山州现状及中、长期水安全状况,符合区域实际,评价结果可作为研究区域水安全评价的参考依据.     

基于改进相空间重构原理的支持向量机月径流模拟

基于交叉验证支持向量机(CV-SVM)原理及方法,构建以相空间重构理论与支持向量机相结合的径流时间序列模拟模型。针对相空间重构中确定延迟时间τ和嵌入维数m的方法众多,且各方法确定结果不尽相同等缺点,本文采用试凑的方法,在延迟时间τ和嵌入维数m取值范围为2～10内依次构建81个基于相空间重构理论的CV-SVM月径流模拟模型,以南利河董湖站月径流模拟为例进行分析,确定最佳延迟时间τ和嵌入维数m,并与自相关函数法等相关延迟时间τ和嵌入维数m的确定方法确定结果进行比较,旨在探寻延迟时间τ和嵌入维数m对月径流模拟精度的影响及其规律,为基于时间序列的水文模拟及预测预报提供方法和参考。