RBF神经网络在地下水动态预测中的应用Application of RBF Neural Network for Groundwater Dynamic Prediction
曹文洁,肖长来,梁秀娟,韩良跃,胡冰
摘要(Abstract)：
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(KeyWords)： 地下水动态预测;RBF;BP;神经网络
基金项目(Foundation): 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)
作者(Author): 曹文洁,肖长来,梁秀娟,韩良跃,胡冰
DOI: 10.13928/j.cnki.wrahe.2018.02.007
参考文献(References)：
- [1]梁秀娟,林学钰,苏小四,等.GMS与苏锡常地区地下水流模拟[J].人民长江,2005,36(11):26-28.
- [2]胡鹏,朱国荣,江思珉.裂隙网络模型在地下水数值模拟中的应用研究进展[J].工程勘察,2013,41(11):44-49.
- [3]王宇博,梁秀娟,乔雨,等.地下水位预测模型对比分析研究[J].节水灌溉,2015(7):58-61.
- [4]靳孟贵.地下水动态的灰色预测[J].地球科学,1991,16(1):91-94.
- [5]乔雨,梁秀娟,王宇博.两种模型在地下水埋深预测中的应用及对比研究[J].节水灌溉,2014(3):45-47.
- [6]张端梅,梁秀娟,李钦伟,等.基于突变理论的吉林西部灌区地下水环境风险评价[J].农业机械学报,2013,44(1):95-100.
- [7]栾元重,姜岩.地下水动态的突变预测横型[J].水文地质工程地质,1991,18(4):16-18.
- [8]杨忠平,卢文喜,李平.时间序列模型在吉林西部地下水动态变化预测中的应用[J].水利学报,2005,36(12):1475-1479.
- [9]MANZIONE R L,WENDLAND E,TANIKAWA D H.Stochastic simulation of time-series models combined with geostatistics to predict water-table scenarios in a Guarani Aquifer System outcrop area,Brazil[J].Hydrogeology journal,2012,20(7):1239-1249.
- [10]刘博,肖长来,梁秀娟.SOM-RBF神经网络模型在地下水位预测中的应用[J].吉林大学学报(地球科学版),2015,45(1):225-231.
- [11]刘彩红.BP神经网络学习算法的研究[D].重庆:重庆师范大学,2008.
- [12]鲁娟娟,陈红.BP神经网络的研究进展[J].控制工程,2006,13(5):449-451.
- [13]焦李成,杨淑媛,刘芳,等.神经网络七十年:回顾与展望[J].计算机学报,2016,39(8):1697-1716.
- [14]段向军.基于神经网络的预测控制方法研究[D].大庆:大庆石油学院,2005.
- [15]许继军,杨大文,雷志栋,等.长江流域降水量和径流量长期变化趋势检验[J].人民长江,2006,37(9):63-67.