小波-神经网络混合模型预测地下水水位
由于过量开采地下水,华北平原的许多城市出现地下水水位持续下降趋势,由此导致了许多严重的环境问题,如地下水枯竭、地面沉降和海水入侵等。为了准确预测城市地下水水位变化,利用小波变换的多尺度分析特征,建立了小波-神经网络混合模型(以下简称“混合模型”),并研究了其在地下水水位预测中的精度。利用北京市平谷区地下水水位观测资料,分别用BP 网络和混合模型对该区地下水水位进行了预测。采用均方根误差( RMSE)、平均绝对误差( MAE)和线性相关系数( R)对模型预测的精度进行度量。预测结果表明:混合模型第1至第3个月的地下水水位平均绝对误差分别是0.535,0.598和0.634 m;而BP模型的平均绝对误差分别为0.566,0.824和0.940 m。混合模型的预测误差分别为BP模型的95%,73%和67%。使用混合模型能明显提高预测的精度,显著增加有效预测时段长度。
华北平原、过量开采、地下水水位、离散小波变换、人工神经网络、预测
33
P641.8(水文地质学与工程地质学)
国家自然基金青年基金项目41206037;河南省教育厅科技攻关项目14B170011;郑州市科技发展计划项目131PPTGG414-7;河南工程学院博士基金项目D2012004
2016-08-22(万方平台首次上网日期,不代表论文的发表时间)
共4页
18-21