三江平原井灌水稻区地下水动态变化规律的小波神经网络分析

被引:14
作者
刘东
付强
机构
[1] 东北农业大学水利与建筑学院
关键词
三江平原; 井灌水稻; 地下水; 小波神经网络;
D O I
10.13522/j.cnki.ggps.2008.03.028
中图分类号
S511 [稻];
学科分类号
摘要
以853农场为例,利用小波分析的多分辨率功能和人工神经网络的非线性逼近功能,建立了基于小波变换和BP神经网络的853农场地下水埋深动态预测小波神经网络模型,对地下水动态变化规律进行分析,精度检验及对比分析结果表明,模型拟合和预测精度均较高。预测结果表明,853农场未来几年内地下水位会持续下降,年平均降幅为0.66 m左右,因此当地应加强地下水的科学管理。该模型揭示了区域地下水动态变化规律,为853农场乃至三江平原井灌区地下水资源的可持续利用提供了科学依据。
引用
收藏
页码:86 / 89
页数:4
相关论文
共 7 条
[1]   小波网络模型在年径流预测中的应用 [J].
梁煜峰 ;
缪韧 ;
杨先宸 .
东北水利水电, 2006, (04) :9-11+71
[2]   基于小波变换的入库径流组合预测方法研究 [J].
钟平安 ;
赵星 .
水力发电, 2006, (02) :17-19+76
[3]   小波分解与变换法预测地下水位动态 [J].
吴东杰 ;
王金生 ;
滕彦国 .
水利学报, 2004, (05) :39-45
[4]   三江平原地下水埋深变化及成因的初步分析 [J].
王韶华 ;
田园 .
灌溉排水学报, 2003, (02) :61-64
[5]   地下水动态预报模型的精度评价 [J].
陈南祥 .
工程勘察, 1999, (03) :3-5
[6]  
水文小波分析[M]. 化学工业出版社 , 王文圣, 2005
[7]   Automatic recognition of vigilance state by using a wavelet-based artificial neural network [J].
Subasi, A ;
Kiymik, MK ;
Akin, M ;
Erogul, O .
NEURAL COMPUTING & APPLICATIONS, 2005, 14 (01) :45-55