基于集对分析和GA-BP神经网络的 地下水埋深预测研究

摘要：

针对地下水位与其影响因素之间存在非线性映射关系的特点,提出了基于SPA方法筛选地下水埋深时空自变量、再基于遗传算法优化BP神经网络进行地下水埋深预测的SPA-GA-BPNN模型.将该模型应用于安徽省蒙城县地下水埋深的预测中,并与全变量-LR、全变量-BPNN、全变量-GA-BPNN、SPA-LR和SPABPNN共5种模型进行对比.结果表明:SPA-GA-BPNN模型预测误差的MPAE值为0.088,MSE值为0.068,NSE值为0.848,误差指标均优于5种对比模型,在泛化性和稳定性方面也有显著优势.基于SPA方法筛选自变量,避免了自变量选取的主观性,且在理论上优于相关系数法,同时,遗传算法对神经网络的预测性能起到了显著的改进作用,可为地下水埋深变化过程的影响因素识别及预测提供可靠、有效的参考依据.

关键词：集对分析、联系数、BP神经网络、遗传算法、地下水埋深预测

所属期刊栏目：40

分类号：TV61(水利枢纽、水工建筑物)

资助基金：国家自然科学基金项目51509001;安徽省自然科学基金项目1608085QE112;安徽省高校优秀青年人才支持计划重点项目gxyqZD2017019;安徽省国际科技合作计划项目1604b0602029;水体污染控制与治理科技重大专项项目2017ZX07603-002

在线出版日期：2019-10-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：57-64