文档下载 文档下载导航
设为首页 | 加入收藏
搜索 请输入内容:  
 导航当前位置: 文档下载 > 所有分类 > 灰色BP神经网络模型在民勤盆地地下水埋深动态预测中的应用
侵权投诉

灰色BP神经网络模型在民勤盆地地下水埋深动态预测中的应用

先建立等维新息GM(1,1)模型和BP神经网络模型相耦合的灰色BP神经网络组合模型,再以民勤盆地64、65和84号井为代表,运用此模型模拟和预报石羊河下游民勤盆地的地下水埋深动态。模型精度检验表明,646、5和84号井预测值的平均相对误差分别为0.45%,0.93%,0.62%,均小于1%,符合精度要求。相比GM(1,1)模型,组合模型预测的相对误差整体上较小;相比BP模型,64号井组合模型预测的1998~200

第2 9卷第 2期 21 0 1年 3月

干旱地区农业研究 Agrc lu a s a c n t i e s i u t r lRe e r h i he Ar d Ar a

Vo . 9 No. 12 2 Ma . 01 r2 l

灰色 B P神经网络模型在民勤盆地地下水埋深动态预测中的应用 杨婷,晓妹,国杰,义和 .魏胡许 (北农林科技大学水利与建筑工程学院,西杨凌 7 2 0 )西陕 1 10

摘要:先建立等维新息 G 1 1模型和 B M(, ) P神经网络模型相耦合的灰色 B P神经网络组合模型,以民勤盆再 地 6、5和 8 _6 4 4号井为代表,用此模型模拟和预报石羊河下游民勤盆地的地下水埋深动态。模型精度检验表明,运

6、 46 5和 8 4号井预测值的平均相对误差分别为 0 4%, .%, .2,小于 l,合精度要求。相比 G 1 1 . 5 09 3 06%均%符 M(, )模型,组合模型预测的相对误差整体上较小;比 B相 P模型,4号井组合模型预测的 19~2 0年地下水埋深平均 6 98 01

绝对误差从 0 3m减少为 00 m,度显著提高。结果表明:合模型综合考虑了地下水埋深序列的确定性和不确 .2 . 7精组 定性变化,有更高的预测精度,合于短期预报。具适 关键词:GM(, )型;色 B 11模灰 P网络模型;下水埋深预测;地民勤盆地中图分类号:T 1 . V2 1 1 2文献标识码:A 文章编号:10—6 1 2 1 )20 0—5 0 07 0 (0 1 0—2 40

石羊河流域位于甘肃省河西走廊东部,降水稀 少,发强烈。流域内人均占有水资源仅 7 51,蒸 7 3耕 1。

在时间上的变化特性,效地模拟时间序列的变化有 趋势。地下水位变化是一个典型的灰色系统问题,

地 6 7 占有水资源仅 20 m,于典型的资源 6m均 8。属 型缺水地区 l。近 2来,着流域经济社会的发 l J 0a随展和人口的增加,资源的供需矛盾日益突出。尤水其是流域下游的民勤盆地,于上中游用水急剧增由

用灰色 G 1 1模型能较好反映地下水位的变化特 M(,) 性。另一方面,下

水系统是一个高度复杂的非线地性系统,时序上常呈现复杂的非线性特征。而人从工神经网络可以逼近任意函数,有良好的非线性具

加,使进入该盆地的地表水量急剧减少,致为了维持 自身经济社会的发展,得不大量开采地下水,致不导

映射能力 l, 4在不确定性因素预测中占有优势。B J P ( akPoaao )络是目前应用最成功和广泛的 B c r gtn网 p i

地下水位持续下降,引发了水质恶化、地旱化、土植被衰退、土地沙漠化等一系列生态环境问题 l。因 2 J 此,持合理的地下水位对维系该绿洲的生存和发维展至关重要。对石羊河流域民勤盆地地下水位的变

的人工神经网络。本文建立基于等维新息 G 1 1 M(,) 模型和 B P神经网络的串联组合模型,二者取长使 补短,全面的反映时间序列的变化规律,少随机更减性。G 11模型和 B M(,) P神经网络组合模型优点 l 3 表现在:

化进行预测,以为该区水资源合理开发利用和科可学管理提供依据。

( )G 1 1模型能较好地预测地下水位变化 1 M(,)

1地下水位预测模型 目前,下水位预测的方法很多,时问序列分地如

的总体趋势,不适合逼近复杂的非线性函数; P但 B 人工神经网络具有很强的非线性映射能力,在不确定性因素预测领域占优势,对整体趋势的泛化能但力较弱。二者结合,能充分考虑确定性和不确定性因素l,而提高预测精度。 从 ()G 1 1模型用较少数据建模,合于小 2 M(, )适

析法,灰色预测法,经网络,神支持向量机以及其他 方法如有限单元法、限差分法等 l。这些方法在有 3』

应用中取得了一定的成果,但也存在一定的局限性。

由于影响地下水位的因素具有复杂性和不确定性, 任何一种单一模型都难以全面描述地下水动态变化的趋势性和波动性。因而有必要研究和运用组合预测方法来提高地下水位的预测精度。 灰色预测方法构建指数增长模型,反映序列能 收稿日期:0 00—8 2 1—92

样本预测, B而 P模型适合长时间序列预测。二者

结合,能充分挖掘数据序列的信息,而提高预测精从 度。

1 1等维新息 G 1 1模型 . M(,)

G 11是单序列一阶线性模型,实质是 M(,)其

基金项目:家自然科学基金项目( 0 7 0 1国 5897 ) 作者简介:杨婷 (97 )女,南新化人,读博士,要从事水资源利用与管理方面的研究。Em i:aaa ̄n@16 tn 18一,湖在主 - a hhyn i l g 2 oi。通讯作者:晓妹 (9 7 )女,肃甘谷人,授,士生导师,魏 15一,甘教博主要从事水资源利用与管理方面的教学与科研工作。

灰色BP神经网络模型在民勤盆地地下水埋深动态预测中的应用

第1页

你可能喜欢

热门文档

相关文档

站点地图 | 文档上传 | 侵权投诉 | 手机版
本站所有资源均来自互联网,本站只负责收集和整理,均不承担任何法律责任,如有侵权等其它行为请联系我们.
文档下载 Copyright 2013 doc.guandang.net All Rights Reserved.  -  email