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。     

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。     

基于粒子群算法的BP模型在地下水位埋深预测研究中的应用

地下水水位埋深是影响河套灌区生态环境的主要因素,开展地下水位埋深预测研究对灌区远景发展规划与用水管理具有现实指导意义。本文采用基于粒子群算法的BP神经网络模型(PSO-BP),对河套灌区永济灌区地下水位埋深进行了预测模拟,相对于传统BP模型纳什效率系数NSE (0.791), PSO-BP模型NSE(0.887)提高了12%。表明, BP神经网络可以有效处理地下水位埋深与其影响因素之间的复杂非线性问题,同时粒子群算法可以提高模型的预测精度。     

应用人工神经网络模型预测白城地区枯季地下水位

根据白城地区地形、地质、土壤、植被在一定时间范围内具有相当稳定的特性,选取10月平均水位、汛期6～9月降水量、枯季11～次年3月降水量3个因子,对次年5月平均地下水位进行预测.优化得出的BP网络模型不仅拟合精度高,而且预测效果好.     

利用灰色-BP神经网络组合模型对延吉市地下水位预测

针对延吉市地下水位变化情况,利用灰色--BP神经网络组合模型对地下水位变化趋势进行预测,提出地下水位的预测不能仅限于一种方法,应在充分分析影响水位变化各因素的基础上,采用合理的方法预测.     

基于改进BP神经网络模型的区域农业灌溉用水预测研究

传统BP神经网络模型局部易出现收敛,在模型求解过程,易出现求解不收敛的缺陷.为此引入小波分析函数对传统BP神经网络的节点计算进行改进.并将改进的BP神经网络模型运用于农业灌溉用水预测中,研究结果表明:改进的BP神经网络模型改变了局部易收敛的缺陷,模型求解更为合理.在农业灌溉用水预测精度上也明显好于传统的BP神经网络模型.     

人工神经网络模型在枯季地下水位预测中的应用

本文应用人工神经网络BP模型对枯季地下水位进行定量预测。优化得出的BP网络模型不仅拟合精度高,而且预测效果好,这为地下水定量研究提供了新的途径,同时也为白城地区科学合理开发、利用地下水资源提供参考依据。     

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。     

改进BP神经网络集成模型在径流预测中的应用

为提高径流预测预报的精度和泛化能力,建立了基于3种基本改进算法的BP神经网络集成预测模型。利用ADF单位根检验方法、自相关分析方法确定径流时间序列的平稳性和模型的输入向量。针对BP神经网络标准算法收敛速度慢、易陷入局部极值的缺陷,采用自适应动量梯度法、共轭梯度法和Levenberg-Marquardt法分别改进BP神经网络标准算法,依次构建基于3种改进算法的BP神经网络模型对文山州南利河董湖水文站年径流进行预测,并构建GA-BP预测模型作为对比模型;采用加权平均方法对各单一模型预测结果进行综合集成。结果表明:集成模型对南利河2001-2005年径流预测平均相对误差绝对值为4.67%,最大相对误差绝对值为7.11%,精度和泛化能力均优于各单一模型和GA-BP模型。集成模型克服了单一模型预测精度不高和误差不稳定的缺点,具有较好的预测精度和泛化能力,是提高径流预测预报精度的有效方法。     

基于BP网络的河道径流预报方法与应用

河道径流预报过程可以认为是一种复杂非线性函数关系的逼近过程。BP网络具有表达任意非线性映射的特性,因此建立了基于MATLAB神经网络工具箱的BP网络的径流预报模型。其中采用自相关函数确定网络输入层的神经元数,通过比较样本均方误差值来确定隐含层的神经元数。利用清江渔峡口以上流域1989~1995年的径流量资料对该模型进行了训练和检验,从而完成了该流域年径流量的预报,并且用多项精度评定指标对其进行了精度定量评价。结果表明:所建模型对所选流域的径流预报精度达到了乙等以上水平,具有一定的实用性。     

人工神经网络模型在白城地区枯季地下水位预测中的应用

本文应用人工神经网络BP模型对枯季地下水位进行定量预测。优化得出的BP网络模型不仅拟合精度高,而且预测效果好,这为地下水定量研究提供了新的途径,同时也为白城地区科学合理开发、利用地下水资源提供参考依据。     

深圳市供水量BP神经网络预测

城市供水量受多种因素的共同影响。以深圳市最近20多年的供水量历史数据为基础,建立了一种基于时间序列的供水量BP神经网络预测模型。该模型的平均相对误差为4.96％。根据建立的深圳市供水量BP神经网络模型的预测结果,未来深圳市近期(2005年)的年供水量将达到52 630万m3,远期(2010年)的年供水量将达到56 142万m3。     

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。     

人工神经网络峰值识别理论及其在洪水预报中的应用

本文在总结大量洪水预报实践经验的基础上，提出了一种峰值识别理论及相应的改进BP算法(Error Back Propagation with Peak Recognizer,简称BPPR).该理论及算法在修改网络权重时，偏重大值误差，即大值误差对权重的修改起主要作用.这种BPPR算法使人工神经网络洪水预报模型对洪峰的预报精度显著提高，从而保证了洪峰预报的可靠性.     

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%。     

地下水位动态预测的人工神经网络方法

介绍了人工神经网络的基本原理 ,用该方法进行地下水位预测 ,结果表明该方法精度较高 ,具有一定的推广应用价值     

基于遗传算法优化BP神经网络的岩溶泉水位预测研究

我国北方岩溶大泉是集自然、文化和旅游等多种属性的重要自然资源,对北方岩溶地区经济社会发展有着重要的促进作用。为了精确预测岩溶泉的动态变化趋势,为岩溶泉资源保护提供支撑,基于2016-2018年趵突泉泉域的大气降水量、岩溶水开采量、人工生态补源量等数据,分别构建了6种BP神经网络以及采用遗传算法优化的BP神经网络预测模型,评价了不同预测模型对趵突泉水位的预测效果。研究表明：与BP神经网络相比,将GA算法得到的权值和阈值作为BP神经网络初始值可以很好地提高神经网络预测的稳定性,同时可以大大减少神经网络迭代次数,从而节省大量的计算成本;采用Levenberg-Marquardt训练方法的GA-BP(LM)网络模型具有稳定性高、计算成本低、预测误差小的特征,更适用于岩溶泉水位的预测。