BP-ANN模型在井灌水稻区地下水埋深预测中的应用

利用改进的BP算法，对三江平原创业农场进灌水稻区月平均地下水埋深进行了模拟仿真，网络拟合精度与预测精度均达到满意效果。BP－ANN模型为节约地下水开采量，恢复该地区的地下水动态平衡、制订农作物优化灌溉制度，促进农业及水资源的可持续发展提供参考作用。     

基于自激励门限自回归模型的井灌水稻需水量预测

利用自激励门限自回归模型（SETAR）能够描述具有极点和极限环的非线性系统及刻画幅频相依等非线性现象的特点，对三江平原井灌水稻各生育阶段需水量的长系列资料进行了分析，建立了SETAR（2，6，3，3）模型，采用9个参数有效地描述了水稻需水量各个生育期在多种气象及其他影响因子的作用下的周期变化的非线性复杂系统，经与实测值相比，精度较高，可在灌区规划管理与优化水稻灌溉制度中应用。     

多变量自回归模型在三江平原井灌水稻需水量预测中的应用

应用多变量自回归模型ARV(n), 利用三江平原腹地-富锦市1985～1999年气象资料, 按水稻生育期划分6个生育阶段, 建立了井灌水稻生育期内需水量预测模型. 经模型拟合与预测, 效果良好, 可以为该地区开展节水灌溉、灌溉用水管理、合理开发利用地下水资源, 缓解地下水危机提供参考依据.     

人工神经网络在城市需水量预测中的应用

介绍了BP神经网络的结构及其工作原理,用其在城市需水量方面进行预测。人工神经网络（Artificial Neural Networks,缩写ANN）是通过数学方法对人脑若干基本特性进行的抽象和模拟,模仿人脑结构及其功能的非线性信息处理系统。主要应用于模式识别、预测和预报、优化问题、神经控制、智能决策和专家系统等。     

支持向量机在三江平原井灌水稻需水量预测中的应用

探讨了支持向量机在水稻需水量预测中的应用.在介绍支持向量机基本思想和回归算法的基础上,利用此方法对三江平原井灌水稻生育期内需水量进行预测.结果表明:该方法具有速度快,泛化能力强,并具有较高的模型拟合和预测精度,为当地制定合理的节水灌溉制度提供理论依据.     

井灌水稻节水增温措施研究

井灌水稻增产的一个关键在于如何提水温，文章提出了可供选用的8种节水增温措施。     

作物需水量的灰色拓扑预测

本文根据灰色系统理论及拓扑学原理，利用达县明星水库１９７９－１９９０年水稻实测需水量资料，建立了作物需水量的灰色拓扑预测模型，并对未发生年１９９１年进行成果预测，预测值与实测值十分接近。     

如何提高井灌水稻产量

分析了井灌水稻产量较低的主要原因,提出了井灌水稻低产的防治措施及其适用条件。     

基于灰色模型的城市需水量预测

用灰色模型对四川省资阳市2010、2015、2020年的需水量进行了预测,得出需水量分别为2 282.0、2 834.6、3 235.3万m3。对预测结果的精度校验表明,模型的预测精度等级为一级。     

基于缺水率模型的蓄水型水田灌区旱情预报

频发的干旱灾害制约着我国社会经济的发展,其中农业干旱灾害的危害尤为明显。以江西省莲花县楼梯蹬水库灌区、罗卜冲水库灌区、河江水库灌区这3个以蓄水型水源为主的水田灌区为研究对象,在考虑水利工程对农业干旱影响的基础上,通过实地调查走访、理论联系实践的方式建立了各灌区的缺水率模型,以预报其农业旱情。结果表明,分析得出的水利用系数与实地调查结果基本吻合;且经对比计算,缺水率模型比连续无雨日数更适合评估水田灌区干旱程度,说明该模型可运用于以蓄水水源为主的水田灌区农业旱情的预测。     

基于BP神经网络的桂林生态城市建设需水量预测

根据桂林市经济社会历年统计的主要指标数据,运用SPSS社会科学统计软件分析并选取出桂林市辖区生态城市建设需水量的显著性影响因子,采用改进的归一化进行非线性规格化数据处理,基于Matlab建立BP神经网络模型,预测桂林市辖区生态城市建设需水量,结果表明,预测结果与原始数据的平均相对误差为1.19%,最大为2.08%,最小为0.28%。该模型具有较高的预测精度和良好的泛化能力,BP神经网络与SPSS软件优化组合模型,可用于需水量预测。     

基于二级修正的区域水资源需求量预测模型

根据区域社会经济发展的用水现状以及水资源需求的总体变化趋势,将Logistic生长曲线模型和GM(1,1)等维新息模型相结合,建立组合预测模型,组合预测区域水资源需求量,并利用ARIMA模型对区域水资源需求量的组合预测结果进行一级修正;在此基础上,根据区域节水规划的总体目标,剖析区域社会经济发展综合节水潜力,对区域水资源需求量的一级修正结果进行二级修正,最终得到区域水资源需求量的综合预测结果。算例分析结果表明,模型具有较高的预测精度。     

基于驱动-制约回归模型的区域需水预测研究

区域需水预测方法较多,但大部分预测方法均存在各种缺陷,已有研究成果也都不能适应最严格水资源管理制度的新要求。提出了基于计量经济学至上而下建模思维的驱动-制约（Drive-inhibition）回归模型,进行大尺度区域需水预测。该模型考虑了需水驱动侧、制约侧解释变量,包含了农田灌溉水有效利用系数、万元工业增加值用水量下降百分比两项用水效率控制指标,更加符合最严格水资源管理制度的新要求。以该方法预测贵州省各水平年的需水量,与国办发［2013］2号文件要求的用水总量控制指标相比,误差均在1%以内,预测结果精确度高,可以为大尺度区域需水预测提供参考。     

人工神经网络理论在井渠结合灌区地下水动态预报中的应用

地下水动态预报是井渠结合灌区地下水资源研究的重要内容。本文根据地下水位与其影响因素之间的关系 ,建立了人工神经网络模型 ,通过实例演算 ,表明该方法对地下水预报有较高的精度     

Chi river basin irrigation demand model

The calculation of irrigation demands and return flows is an essential component of the Chi Basin (Northeast Thailand) simulation model. The irrigation demand model is based on a simple field water balance so does not use the concept of effective rainfall. The paper describes the structure of the model. A sensitivity analysis on the model output is described.     

基于人工生态系统优化算法的组合生长需水预测模型

为提高需水预测精度,拓展生长模型在需水预测中的应用,提出基于人工生态系统优化(AEO)算法的组合生长需水预测模型。结合实例,选取6个标准测试函数在不同维度条件下对AEO算法进行仿真验证,并与鲸鱼优化算法(WOA)、灰狼优化(GWO)算法、教学优化(TLBO)算法和传统粒子群优化(PSO)算法的仿真结果进行比较。基于Weibull、Richards、Usher 3种单一生长模型构建Weibull-Richards-Usher、Weibull-Richards、Weibull-Usher、Richards-Usher 4种组合生长模型,利用AEO算法同时对组合模型参数和权重系数进行优化,提出AEO-Weibull-Richards-Usher、AEO-Weibull-Richards、AEO-Weibull-Usher、AEO-Richards-Usher需水预测模型,并构建AEO-Weibull、AEO-Richards、AEO-Usher、AEO-SVM、AEO-BP模型作对比,以上海市需水预测为例进行实例验证,利用实例前30组和后8组统计资料对各组合模型进行训练和预测。结果表明,在不同维度条件下,AEO算法寻优精度优于WOA、GWO、TLBO、PSO算法,具有较好的寻优精度和全局搜索能力。4种组合模型对实例预测的平均相对误差绝对值、平均绝对误差分别在0.94%~1.17%、0.30亿~0.37亿m³之间,预测精度优于AEO-Weibull等其他5种模型。4种组合模型均具有较好的预测精度和泛化能力,表明AEO算法能同时有效优化组合生长模型参数和权重系数,基于AEO算法的组合生长模型用于需水预测是可行和有效的。     

基于随机森林模型的需水预测模型及其应用

为解决需水预测模型精度问题,尝试基于随机森林模型的分类和回归功能构建需水预测模型。以苏州市需水量预测为研究实例,首先应用随机森林模型的分类功能将需水预测因子分类,经计算发现第一产业比例、人口、灌溉面积、万元产值用水量和国民经济生产总值为最重要的解释变量。在此基础上,用随机森林模型的回归功能对需水进行预测,同时采用相同的训练数据建立基于BP神经网络和RBF神经网络的需水预测模型,通过对比3个模型的预测结果,发现随机森林模型能有效预测需水量,且精度较高。