小波－神经网络混合模型预测地下水水位

摘要：

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。

关键词：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

所属期刊栏目：33

分类号：P641.8(水文地质学与工程地质学)

资助基金：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

在线出版日期：2016-08-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：18-21