| RBF神经网络在地下水动态预测中的应用 |
| |
| 引用本文： | 曹文洁,肖长来,梁秀娟,韩良跃,胡冰.RBF神经网络在地下水动态预测中的应用[J].水利水电技术,2018,49(2):43-48. |
| |
| 作者姓名： | 曹文洁 肖长来 梁秀娟 韩良跃 胡冰 |
| |
| 作者单位： | 1. 吉林大学 地下水资源与环境教育部重点实验室，吉林 长春 130021;
2. 油页岩地下原位转化与钻采技术国家地方联合工程实验室，吉林 长春 130021;
3. 吉林大学 环境与资源学院，吉林 长春 130021 |
| |
| 基金项目： | 国家自然科学基金项目( 41572216) ; 中国地质调查局沈阳地质调查中心“长吉经济圈地质环境综合调查”项目( 121201007000150012) ;
吉林省自然科学基金项目( 20140101164JC) |
| |
| 摘 要： | 为了动态预测地下水位的变化,采用神经网络模型构建地下水位埋深预测模型。充分发挥径向基函数(RBF)神经网络的逼近收敛能力,通过"径向基函数(RBF)"和"逆向传播(BP)"算法优选模型参数,以长春城区为应用实例,将2006—2012年84组数据作为训练样本,将2013—2015年36组数据作为检验样本,对其实测埋深动态过程进行模拟,对比两种模型性能优劣,并对2016—2018年地下水埋深进行预报。结果表明:RBF神经网络模型和BP神经网络模型的均方根误差分别为0.10和0.43,最大绝对误差分别为0.44 m和0.61 m,最大相对误差分别为14.60%和27.17%;2015年以后,长春城区地下水位动态周期性变化明显,埋深变幅较大,枯水期埋深最大为5.10 m,丰水期埋深最小为1.62 m,呈明显的季节性特征。RBF模型具有更高的非线性映射能力和预测精度,该模型可以用于同类的动态数据的预报。
|
| 关 键 词： | 地下水动态预测 ＲBF BP 神经网络 |
| 收稿时间： | 2017-06-26 |
| 本文献已被 CNKI 等数据库收录！ |
| 点击此处可从《水利水电技术》浏览原始摘要信息 |
|
点击此处可从《水利水电技术》下载全文 |
|
