基于Neuman理论的神经网络优化确定水文地质参数
针对利用非稳定流抽水试验资料确定潜水含水层参数传统方法的不足,系统分析考虑垂直分量和弹性释水的Neuman潜水井流模型解析解的基础上,利用实码加速遗传算法(RAGA)和自适应BP神经网络模型相结合对Neuman潜水井流模型解析解进行优化求解,提出确定潜水含水层水文地质参数的Neuman-BP法.以计算实例表明,Neuman-BP法不需分抽水时间--降深过程的前、后段分别进行参数确定,避免了前、后段所求导水系数T的不一致,既充分利用了抽水试验数据,又获得了较高精度的参数,简化了参数确定过程.
BP神经网络、RAGA、Neuman潜水井流理论、水文地质参数
P641.2(水文地质学与工程地质学)
国家自然科学基金50139040
2006-03-23(万方平台首次上网日期,不代表论文的发表时间)
共5页
19-22,26