承压水漏斗地区地下水位时空分布预报的BP网络模型

依据水均衡原理,导出承压水漏斗区任意一点水位与其影响因素之间的复杂的非线性关系,在此基础上提出承压水漏斗水位时空分布预报的BP神经网络模型。该模型具有 分布参数模型的特征,且不需用到区域的水文地质参数。最后针对某实例进行了模型设计及预报分析,通过对部分观测井后期实测数据的训练,优选出双隐层的网络结构及其网络参数。随后用这些观测井的前3年数据进行了检验,并对其他观测井数据进行预报。计算表明,该模型对地下水位拟合与预报的合格率较高,可以获得研究区域某一时刻水位在空间上的分布。     

基于BP网络的黑龙江省粮食播种面积动态仿真研究

首先简要分析了BP网络的结构和学习过程,以黑龙江省连续29 a的粮食播种面积数据为例,通过自相关分析,确定输入输出样本对,进而建立BP网络动态仿真模型,并对仿真结果进行拟合和预测精度检验。研究结果表明：模型仿真精度较高,可以对黑龙江省未来粮食播种面积进行预测。预测结果可以为黑龙江省粮食发展规模的确定和农业长期规划的编制提供一定的数据参考。     

基于BP网络的黑龙江省水田发展面积动态仿真研究

简要分析BP网络的结构和学习过程,以黑龙江省连续30a的水田发展面积数据为例,通过自相关分析,确定输入输出样本对,建立BP网络动态仿真模型,并对仿真结果进行拟合和预测精度检验。研究结果表明,模型仿真精度较高,可以对黑龙江省未来水田发展面积进行预测。预测结果可以为黑龙江省粮食发展规模的确定和农业长期规划的编制提供一定的数据参考。     

BP网络模型在灌区地下水位动态模拟中的应用

采用误差反传算法的神经网络模型（简称BP网络）,建立了某井灌区地下水位动态BP网络模型,模拟了不同灌水量条件下地下水位的动态变化,研究结果表明模型具有较高精度,能较好地表征研究区域的地下水水位动态变化特征。     

新疆博斯腾湖的水位动态短期预测研究

由博斯腾湖1956～1998年的水位动态变化特征可知，其水位具有明显的季节性变化特征,根据1956～1996年的实测水位数据，分别建立了ARIMA(1，l，2)x(0，l，1)12模型和BP神经网络模型，对1997～1998年的博斯腾湖水位进行了预测.结果表明，ARIMA模型和BP网络模型可以进行比较准确的短期预测，而且BP网络的预测更准确，但长期预测误差较大.     

基于BP神经网络的区域地下水位动态预测

地下水系统是一个高度复杂系统,地下水位与其影响因素之间存在非线性映射关系,人工神经网络则是处理非线性问题的有效方法。把影响区域地下水位动态的5个主要因素作为网络输入向量,地下水位本身作为网络输出向量,采用快速BP算法构造地下水位动态预测的BP神经网络模型,最后将该模型应用于河套灌区义长灌域地下水位动态预测。结果表明,BP神经网络用于区域地下水位动态预测时有较高的精度。     

基于BP网络的PI控制器的研究

从ＢＰ网络的特点出发，讨论了基于ＢＰ网络的ＰＩ控制器的结构，仿真结果表明该系统不仅具有满意的动态特性，而且具有较强的鲁棒性与自适应性。     

水电工程监理评标BP网络模型研究

为了使水电工程监理评标规范化、科学化,基于BP人工神经网络理论,并结合监理评标工作的特点,建立了监理评标BP网络模型。考虑到BP模型的误差反向传播算法容易陷入局部极小点,以及会出现收敛速度慢等问题,对模型训练的计算方法进行了改进。将所建立的评标模型应用于实际,并对模型的学习能力进行了检验,结果表明,该模型精度较高,具有较好的适用性。     

通辽市地下水中心漏斗区的数学模型方法研究

文章采用水资源评价中的有限单元法,编制计算机程序,充分利用前人所提供的可靠的本区水文地质构造、含水层结构、水文地质参数及含水层参数方面的资料,建立本地区地下水中心漏斗的数学模型去预测地下水的变化趋势,给通辽市合理用水提供科学发展方向。     

德州深层地下水位漏斗形成主导因素识别与可恢复性研究

本文以近40年来的深层地下水开采和水位动态监测系列数据为基础,应用水文地质学、地下水动力学和统计学方法,揭示了德州深层水位降落漏斗形成和演变规律,识别和确定深层水位降落漏斗形成与变化的主导因素为人工开采;建立了德州深层水位降深漏斗变化与人类开采活动的相关模型为多次项模型,并预测了不同开采条件下德州深层水位降深漏斗中心和漏斗区平均水位的变化趋势,为制定漏斗合理调控奠定了坚实基础。     

基于 BP 神经网络的调水工程调蓄水位预测模型

在调水工程中,如果泵站站前水位过低,会危及泵站安全,如果水位过高,会危及周边安全,因此探寻调水工程中河渠湖库水位变化显得尤为重要。以南水北调东线山东段南四湖为研究区域,寻求不同起调水位、出入流量、泵站开启时间差的调水方案下泵前水位变化规律。先利用耦合模型对不同的调水方案进行数值模拟,然后选取23组调水方案及其数值模拟所得的泵前水位作为样本训练BP神经网络,建立BP神经网络调蓄水位预测模型并进行验证,最后利用预测模型对不同调水方案进行泵前水位预测。结果表明,BP神经网络预测模型具有很强的预测能力,预测模型结果与耦合模型结果泵前水位基本吻合,水深相对误差小于9.15%,而模型计算效率提升96.67%。     

基于改进型BP神经网络马尔科夫模型的区域需水量预测

为提高需水量预测的精确度,应用了一种BP神经网络与马尔科夫相结合的预测模型,介绍了它的基本原理及算法,并给出了该模型建立的具体过程,最后该模型被应用于需水量预测工作中,计算证明取得了较好的效果。     

Assessment of water quality by firefly algorithm based on BP neural network model

Assessment of water quality by firefly algorithm based on BP neural network model ( FA-BP model) is built. In this model, the ev aluation index function is constructed by BP Artificial Neural Network Algorithm ( BP model) , and Firefly Algorithm ( FA model) is intr oduced to optimize weight values and thresholds to find the optimal solution. Fuzzy Comprehensive Evaluation method, Grey Incidence Analysis Algorithm and FA-BP model will be applied to evaluate the water quality of the five main rivers in Liany ungang City including Longwei, Yudai, Dapu, Paidan, and Dong yan River. The results show that the Fuzzy Comprehensive Evaluation method is difficult to use for slight pollution rivers with several slightly over standard indexes. It will be easy to ignore the impact of ex treme indexes by Grey Incidence Analysis Algorithm. FA-BP model solves the shortcomings of the two methods. The evaluation results pr ovide an important reference for the formulation of reasonable measures. It is a relatively comprehensive evaluation method and has agood a pplication prospect in water qualit yevaluation.     

基于BP神经网络的温榆河水质参数反演模型研究

为进一步提高内陆水体水质参数遥感反演的准确性,北京市温榆河被选为研究对象,研究选取ETM＋数据和准同步实测水质指标（浊度、BOD;）数据,建立了多个隐含层数目为1的BP神经网络模型,并选出分别针对浊度和BOD5的最佳神经网络模型,利用ETM＋影像的波段组合值反演了浊度和BOD,浓度值。最后将其反演结果与常规多元线性回归模型的反演结果进行精度比较。结果表明：温榆河的水质参数遥感反演为非线性问题,使用BP神经网络方法进行浊度与BOD,两种水质参数反演的结果优于线性回归方法的反演结果。     

基于一种改进BP网络算法的水轮机组故障诊断

水轮机组状态监测与故障诊断系统,在水轮发电机组及电力系统中有着举足轻重的地位,提高水轮机组状态监测与故障诊断系统的准确性和及时性,对电力系统的安全运行具有重大意义。作者采用一种改进的BP网络算法,用于水轮机组状态监测与故障诊断系统中,试验表明,此方法改善了传统BP网络容易陷入局部最小点、网络收敛速度慢等不利因素,提高了水轮机组状态监测与故障诊断的准确性。     

基于小波分析的NARX神经网络在水位预测中的应用

高精度的水位预测能为防洪决策、水资源管理等提供重要的调度依据,减少洪旱灾害损失。为提高预报精度,提出一种基于小波分析的NARX神经网络模型(DWT-NARX),综合考虑洪泽湖入湖流量、出湖流量、周边用水、前期水位等因素,对洪泽湖日水位进行预报,并与BP神经网络、NARX神经网络模型进行比较。结果表明,三种模型在短历时预报中均取得了较好的模拟预测效果。当预见期为1或2天时,Nash-Sutcliffe效率系数均大于0.9,合格率大于85%;当预见期超过3d,NARX模型在水位变幅较大的时段预测结果变差,BP模型出现严重的震荡现象,NARX和DWT-NARX模型结果均优于BP神经网络,DWT-NARX在整体上结果最优。研究成果可为洪泽湖的水位预报提供一定的参考价值。     

基于BP网络的人工沉床系统水质净化效果研究

人工沉床技术是一种新兴的生物-生态水体原位修复技术,水质净化过程具有非线性与不确定性,传统方法建立的数学模型难以精确模拟。本文以天津市外环河人工沉床实验2007年10月至2008年9月的水质实测数据为基础,建立BP神经网络水质模型,并与多元非线性回归方法进行比较。结果表明:建立的BP人工神经网络模型对不同水质指标拟合的平均相对误差分别为:化学需氧量(CODCr)0.1%,总氮(TN)1%,总磷(TP)0.6%。与多元非线性回归的拟合结果相比,平均相对误差更小,BP神经网络模型更适用于人工沉床系统出水水质的模拟。     

基于DGA的BP神经网络及其在一维河网模拟中的应用

考虑到BP神经网络的计算精度和稳定性依赖于初始权、阈值,首先对标准遗传算法进行改进,然后用改进的遗传算法优化BP神经网络的初始权、阈值。将遗传算法和神经网络结合起来建立河网BP模型,把实测资料或者水动力数学模型的计算结果作为学习样本对模型进行训练。将河网BP模型运用于西江三角洲河网,发现该模型与水动力模型的计算结果吻合较好,表明优化后的BP网络用于河网水力模拟是可行的。