基于RBF神经网络的地下水动态预测

被引：6

作者：

张宇 ^{[1
]}

卢文喜 ^{[1
]}

伊燕平 ^{[2
]}

陈社明 ^{[1
]}

机构：

[1] 吉林大学环境与资源学院

[2] 吉林省宏利水土保持咨询有限公司

来源：

节水灌溉 | 2012年 / 02期

关键词：

RBF神经网络; BP神经网络; 地下水动态; 预测;

D O I：

暂无

中图分类号：

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

学科分类号：

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

摘要：

以内蒙古自治区巴彦淖尔市金泉工业园区为例,基于园区B248号长观井2001-2008年的地下水埋深资料,首先建立了地下水埋深RBF神经网络预测模型,而后对该模型的模拟结果作误差分析,并将相应值与BP网络模型进行对比。RBF神经网络模型和BP网络模型的最大相对误差分别为9.88%和19.67%,最大绝对误差分别为0.81和1.56,均方误差分别为0.19和0.98。显然,RBF神经网络具有较高的预测精度和较强的非线性映射能力。用上述训练好的RBF神经网络模型对研究区2009-2013年平水年条件下的地下水埋深进行预测,结果表明,研究区已出现地下水位持续下降的趋势。最后,根据地下水资源保护规划方案,在逐时段压缩地下水开采量10%的情况下,研究区2025年即可恢复到2001年的地下水水位值。

引用

页码：64 / 67+70 +70

页数：5

共 13 条

[1] 基于BP神经网络的降雨量预测研究 [J].