两种模型在地下水埋深预测中的应用及对比研究

被引：9

作者：

乔雨

梁秀娟

王宇博

机构：

[1] 吉林大学地下水资源与环境教育部重点实验室

来源：

节水灌溉 | 2014年 / 03期

关键词：

地下水埋深; 预测; 对比; BP-ANN; GM(1,1);

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：

为能够更好地预测地下水埋深及合理规划、开发地下水资源,简述BP-ANN和GM(1,1)模型的基本结构和建模步骤,以长春市体育馆旁长观井(1号井)2002-2010年的地下水埋深资料为基础,分别运用两种方法模拟并预测地下水埋深,并进行对比研究,最后得出如下结论,BP-ANN和GM(1,1)模型的平均相对误差分别为0.55%和3.45%,其对2011年的地下水埋深预测值分别为13.06、13.27m,两种模型的拟合和预测精度均较高,两种方法均可用于地下水埋深预测,其中GM(1,1)建模更简单,BP-ANN精度更高。

引用

页码：45 / 47+53 +53

页数：4

共 10 条

[1] Elman神经网络在平原区降水入渗补给预测中的应用 [J].

王中凯 ;

梁秀娟 ;

肖长来 ;

翟天放 ;

杨晓晗 .

节水灌溉, 2013, (07) :42-44+52

[2] 两种预测模型在地下水动态中的比较与应用 [J].

张霞 ;

李占斌 ;

张振文 ;

邓彦 .

生态学报, 2012, 32 (21) :6788-6794

[3] 基于投影寻踪聚类模型的龙坑水源地地下水水质评价 [J].

肖长来 ;

危润初 ;

梁秀娟 ;

马喆 ;

郭龙浩 .

吉林大学学报(地球科学版), 2011, (S1) :248-252

[4] GM(1,1)模型在滦河下游地区地下水位预测中的应用 [J].

周振民 ;

赵明亮 ;

李玲 .

中国农村水利水电, 2011, (02) :50-52

[5] Elman神经网络在地下水动态预测中的应用 [J].

陈伟韦 ;

卢文喜 ;

柳大伟 ;

赵军海 ;

王红霞 .

吉林大学学报(地球科学版), 2006, (S1) :43-46

[6] 时间序列模型在吉林西部地下水动态变化预测中的应用 [J].

杨忠平 ;

卢文喜 ;

李平 .

水利学报, 2005, (12) :1475-1479

[7]

MATLAB神经网络30个案例分析[M]. 北京航空航天大学出版社 , MATLAB中文论坛, 2010

[8]

水环境监测与评价[M]. 清华大学出版社 , 肖长来等, 2008

[9]

数据处理方法及其农业应用[M]. 科学出版社 , 付强著, 2006

[10]

Dynamic prediction of soil salinization in an irrigation district based on the support vector machine[J] . Xiaoyan Guan,Shaoli Wang,Zhanyi Gao,Ye Lv.Mathematical and Computer Modelling . 2013 (3-4)

← 1 →