SOM-RBF神经网络模型在地下水位预测中的应用

被引：24

作者：

刘博 ^{[1
,2
]}

肖长来 ^{[1
,2
]}

梁秀娟 ^{[1
,2
]}

机构：

[1] 吉林大学环境与资源学院

[2] 吉林大学地下水资源与环境教育部重点实验室

来源：

吉林大学学报(地球科学版) | 2015年 / 45卷 / 01期

基金：

高等学校博士学科点专项科研基金;

关键词：

地下水位预测; SOM; RBF; 神经网络;

D O I：

10.13278/j.cnki.jjuese.201501204

中图分类号：

P641 [水文地质学（地下水水文学）]; TP183 [人工神经网络与计算];

学科分类号：

0818 ; 081803 ; 081104 ; 0812 ; 0835 ; 1405 ;

摘要：

利用自组织映射(SOM)聚类模型优化径向基函数神经网络(RBFN)隐层节点的方法,减小了RBFN由于自身结构问题在地下水水位预测中产生的误差。采用SOM对已有样本进行聚类,利用聚类后的二维分布图确定隐层节点的数目,并根据聚类结果计算径向基函数的宽度,确定径向基函数的中心,由此建立SOM-RBFN模型。以吉林市丰满区二道乡为例,采用2000—2009年观测的地下水位动态资料,利用SOM-RBFN模型对地下水位进行预测,验证其准确性,并分别以5、7、10a的地下水位动态数据为研究样本建立模型,考查样本数量对预测结果的影响。研究结果表明:SOM-RBFN模型预测地下水水位过程中,均方根误差(RMSE)的均值为0.43,有效系数(CE)的均值为0.52,均达到较高标准,因此SOM-RBFN模型可以作为有效而准确的地下水水位预测方法;同时RBF7的RMSE和CE均值分别为0.38和0.68,结果优于RBF5和RBF10,这就意味着在模型计算中样本数量不会直接影响预测结果的精度。

引用

页码：225 / 231

页数：7

共 14 条

[1] 地下水水质实时预报系统开发及应用——以下辽河平原为例 [J].