两种预测模型在地下水动态中的比较与应用

被引：9

作者：

张霞 ^{[1
]}

李占斌 ^{[2
,3
]}

张振文 ^{[1
]}

邓彦 ^{[1
]}

机构：

[1] 陕西省环境科学研究院

[2] 西安理工大学西北水资源与环境生态教育部重点实验室

[3] 中国科学院水利部水土保持研究所黄土高原土壤侵蚀与旱地农业国家重点实验室

来源：

生态学报 | 2012年 / 32卷 / 21期

关键词：

地下水动态; 洛惠渠灌区; 支持向量机; BP神经网络模型;

D O I：

暂无

中图分类号：

P641 [水文地质学（地下水水文学）];

学科分类号：

0818 ; 081803 ;

摘要：

预测陕西洛惠渠灌区地下水动态变化情况,在综合分析了各种地下水动态研究方法的基础上,提出了基于支持向量机和改进的BP神经网络模型的灌区地下水动态预测方法,并在MATLAB中编制了相应的计算机程序,建立了相应的地下水动态预测模型。以灌区多年实例数据为学习样本和测试样本,比较了两种模型的地下水动态预测优劣性。研究表明,支持向量机模型和BP网络模型在样本训练学习过程中都具较高的模拟精度,而在样本学习阶段,支持向量机的预测精度明显优于BP网络,可以很好的描述地下水动态复杂的耦合关系。支持向量机方法切实可行,更加适合大型灌区地下水动态预测,是对传统地下水动态研究方法的补充与完善。

引用

页码：6788 / 6794

页数：7

共 13 条

[11]

An application of artificial neural networks for rainfall forecasting[J] . Kin C. Luk,J.E. Ball,A. Sharma. Mathematical and Computer Modelling . 2001 (6)

[12]

A Tutorial on Support Vector Machines for Pattern Recognition.[J] . Christopher J.C. Burges. Data Min. Knowl. Discov. . 1998 (2)

[13] ANALYSIS OF NONINTRINSIC SPATIAL VARIABILITY BY RESIDUAL KRIGING WITH APPLICATION TO REGIONAL GROUNDWATER LEVELS [J].

NEUMAN, SP ;

JACOBSON, EA .

JOURNAL OF THE INTERNATIONAL ASSOCIATION FOR MATHEMATICAL GEOLOGY, 1984, 16 (05) :499-521

← 1 2 →