共查询到19条相似文献，搜索用时 234 毫秒
1.
为提高水环境非线性时序预测模型的精度,用自相关技术分析水环境时间序列的延迟特性,确定径向基函数(RBF)网络的输入、输出向量,建立了水环境时间序列预测的高精度RBF网络模型.用32年海洋水温时间序列实测资料来训练和检验网络并用于预测.用该模型对长江流域望江楼站8年总硬度、高锰酸盐指数、五日生化需氧量、氨氮、溶解氧、挥发酚、镉、氯化物、硫酸盐等9种水环境要素时间序列进行预测.实例分析表明,所建模型预测误差均较小,好于门限自回归模型,BP神经网络模型和ELMAN神经网络模型.所建模型不仅精度高,而且收敛速度快. 相似文献
2.
利用遗传算法的全局空间寻优功能和BP网络映射能力强的优点,建立了以遗传算法确定最优网络结构的进化神经网络(GA-ANN)模型,用来预测参考作物腾发量(ET0).设计多组数字实验处理,研究了输入因子间相关性对模型预测准确性的影响,并验证了最优网络模型结构,即预测ET0的理想GA-ANN模型中以日平均气温、日照时数及日序数为输入因子.实例分析表明,该模型克服了BP网络输入层、隐含层节点确定的盲目性,适应性强,精度高,可用于ET0预测. 相似文献
3.
4.
针对沈阳地铁一号线重工街站至启工街站区间隧道开挖引发地面沉降变形的问题,利用现场实测的地表沉降变形数据建立BP神经网络模型,并进行网络训练与预测。预测结果表明,时间序列神经网络模型能够很好地表达地面沉降监测数据序列间的非线性关系。利用BP神经网络建立的预测模型,所得预测值与实测值拟合很好,是预测地铁施工引发地面沉降变形的一种有效方法,能为沈阳地铁隧道的设计及施工提供科学合理的依据。 相似文献
5.
基于人工神经网络基本原理和方法,构建多隐层BP神经网络径流预测模型,以新疆伊犁河雅马渡站径流预测为例进行分析,并构建常规单隐层BP以及RBF、GRNN神经网络模型作为对比分析模型,将各模型预测结果与文献[1]中的预测结果进行比较,结果表明:(1)多隐层BP神经网络径流预测模型泛化能力强,预测精度高,算法稳定,模型精度优于IEA-BP网络模型,表明研究建立的多隐层BP神经网络模型用于径流预测是合理可行的,是一种可以应用于水文径流预测预报的新方法.(2)RBF、GRNN神经网络径流预测模型预测精度高于常规单隐层BP网络模型,且RBF与GRNN神经网络模型具有收敛速度快、预测精度高、调整参数少,不易陷入局部极小值等优点,可以更快地预测网络,具有较大的计算优势. 相似文献
6.
7.
8.
地下水水位动态预测对农田土壤盐渍化防治、地下水地表水资源的合理调度具有十分重要的意义。以新疆和静县某地下水观测井为研究对象,选择月均蒸发量、气温和灌溉量3个因素作为BP神经网络模型的输入量,利用遗传算法优化神经网络的权值与阈值,建立地下水水位的遗传BP神经网络预测模型。结果表明:遗传BP神经网络模型能较好表达地下水位与主控因素之间的非线性关系,预测结果与实测值之间的平均绝对百分比误差为0.040 3,测试样本的网络输出值与网络目标值的相关系数达0.967 3,模型预测效果较佳。研究结果为区域地下水的开发利用与保护提供参考依据。 相似文献
9.
灰色系统和BP神经网络相结合的矿产资源预测模型 总被引：2，自引：0，他引：2
这里介绍了灰色系统和BP神经网络相结合的预测原理,利用BP网络,对改进的GM(1,1)残差修正模型所得预测的结果进行再预测的组合预测模型,并对攀枝花市钒钛磁铁矿的产量进行了预测。计算结果表明,该预测方法是可靠的,并具有较高的预测精度。 相似文献
10.
11.
为了提高煤层底板突水预测的准确性,建立了基于卷积神经网络的煤层底板突水预测模型。通过综合分析,确定了15个影响煤层底板突水的因素,将这些影响因素进行拼接组合,运用建立的深度计算结构模型对影响因素及其相互联系进行特征提取。用已知的115组数据对模型进行学习训练,并进行了预测。为验证模型的准确性,利用相同的数据对BP神经网络模型和LeNet-5模型进行训练,将建立的模型与BP神经网络模型和LeNet-5模型进行对比。结果表明:该模型通过加深模型的计算深度,综合考虑了影响底板突水因素间的相互联系,提高了突水预测准确性。基于卷积神经网络构建的模型可以对煤层底板突水进行预测,并且准确率相对较高。 相似文献
12.
Water resource is the focus and hinge between ecological environment and socio-economic development. Watershed is the basic unit of hydrology and water resource studies. It is the current hotspot in water science research to carry out the integrated research of the hydrology and water resource at the watershed scale. The Heihe River Basin is the second largest inland river basin in northwestern China, which becomes one of the hot watersheds for its unique hydrological and geographical characteristics. Based on the Web of Science Core Collection, the scientific advances achieved in the Heihe River Basin were estimated from the new sight by combining disciplinary development and problem focus, time evolution and spatial variations. The results indicated that the Heihe River Basin has made positive contribution to the world science in remote sensing, evapotranspiration, water cycle, water resources management and utilization, and climate change research in arid areas. The great achievements has promoted the Heihe River Basin up to the same levels as the international typical basins in the past 30 years, especially after the performances of the major research program entitled “Integrated Study of Eco-hydrological Processes in the Heihe River Basin” (referred to as “Heihe River Program”) supported by a grant from the National Natural Science Foundation of China and large field observation experiments. The number of published articles has ranked the top 20 in the global watershed science research. Some important scientific achievements have been obtained at the mechanisms of eco-hydrological processes in inland river basins, which can actively serve the decision making of the water resource management and sustainable development in the Heihe River Basin. The data mining and contrastive study based on bibliometrics can afford scientific reference for the watershed science research. 相似文献
13.
基于BP神经网络方法的矿井涌水量预测 总被引：2，自引：0，他引：2
鉴于矿井涌水威胁煤矿安全生产及其影响因素的复杂性,提出基于BP神经网络的矿井涌水量预测方法.在充分分析新安煤矿＋25m开采水平的涌水影响因素的基础上,选取大气降水、采空区面积和底板构造断裂和采动裂隙三个影响因子,建立了非线性人工神经网络预测模型,对＋25m开采水平的正常涌水量进行了预计.其结果和实际观测数据能够较好地相吻合,表明采用人工神经网络预计矿井涌水量是可行的. 相似文献
14.
导水裂隙带高度是西部矿区保水采煤的理论依据和关键参数。近年来,BP神经网络广泛应用于导水裂隙带高度预测,但BP神经网络存在收敛速度慢、易陷入局部极小等问题。为提高导水裂隙带高度预测的准确性,利用粒子群优化算法(PSO)对BP神经网络的权值和阈值进行优化,建立基于PSO-BP神经网络的导水裂隙带高度预测模型。选择开采厚度、开采深度、工作面倾斜长度、煤层倾角、覆岩结构特征为导水裂隙带高度主要影响因素,选取22例导水裂隙带高度实测数据对PSO-BP神经网络进行训练,将训练后的PSO-BP神经网络对2例测试样本的预测结果与实际值进行对比,并与BP神经网络预测模型及经验公式预测结果进行对比。结果表明:PSO-BP神经网络预测模型的平均相对误差为1.55%;BP神经网络预测模型的平均相对误差为4.8%,经验公式的最小相对误差为9.4%,PSO-BP神经网络预测精度明显优于BP神经网络和经验公式,且绝对误差和相对误差变化较稳定,可以有效预测导水裂隙带高度。 相似文献
15.
文章以莱州湾凹陷垦利油田沙河街组储层为例,对传统的回归统计模型和基于BP神经网络的人工智能预测模型评价储层渗透率方法和效果进行了对比研究。目标储量报告里定火沙三段中孔、中渗;岩性（粒度）和孔隙度是储层渗透率的主要影响因素。根据岩心及测井数据,建立了孔隙度——粒度二元回归渗透率统计评价模型和BP神经网络渗透率预测模型。通过检验样本集精度对比,分析了隐含层数、隐含层节点数等网络结构参数变化对模型预测结果的影响,重点分析了不同的测井参数输入对BP神经网络模型预测结果的影响。优化后的BP神经网络模型对检验样本集的渗透率预测结果精度最高,其平均相对误差为37%,比传统的二元回归统计模型精度提高了26%。对目标油田三口井连续处理,BP神经网络模型渗透率预测结果更加合理,可以满足开发层段产能分析等生产需求。 相似文献
16.
为解决以往模型未考虑地下水位相关影响因素的问题,探讨长短期记忆（LSTM）神经网络在地下水位预测中的应用,利用长短期记忆神经网络,采用多变量输入的方式,构建了基于多变量LSTM神经网络的地下水水位预测模型。以泰安市岱岳区J1号监测井为例,采用2001-2014年地下水水位动态监测资料与相关影响因素数据,利用多变量LSTM神经网络对2015-2016年地下水位进行预测,并与单变量LSTM神经网络和反向传播（BP）神经网络进行对比。研究结果表明：以相关影响变量为输入的BP神经网络无法考虑时序变化规律,预测均方根误差最大,为2.399 3;以地下水位为变量输入的单变量LSTM神经网络仅能根据时序变化作出相应预测,无法考虑相关变量影响,预测均方根误差为2.102 2;基于多变量输入的LSTM神经网络的预测精度显著高于单变量LSTM神经网络和BP神经网络,预测均方根误差最小,仅为1.919 1。总体上,多变量LSTM神经网络地下水位预测模型仅在某些峰值处误差较大,但总体预测效果较为理想。 相似文献
17.
基于网格化模型的黑河流域中游历史时期耕地分布模拟 总被引：4，自引：0，他引：4
黑河流域悠久的农业开发史和历史文献为研究历史时期耕地空间分布格局变化提供了有利条件.根据黑河流域历史时期土地开发利用的特点,深入分析了海拔、坡度、土壤、人口等自然及人文主导因子与耕地分布的关系,遴选出对耕地分布具有明显作用且易量化的影响因子,并以此为依据设计了一套历史耕地数据网格化模型,模拟了黑河流域历史时期耕地分布趋势.采用人均耕地面积与粮食单产2种途径,估算了明代以前黑河中游耕地面积总量.基于该模型并结合古遗址、遥感影像判别的结果,重建了黑河流域中游地区明代以前耕地的空间分布. 相似文献
18.
19.
黑河流域中游盆地水文地球化学演化规律研究 总被引：1，自引：0，他引：1
黑河是我国第二大内流河,研究其水化学演化规律,对于区域水资源科学利用与管理、保障饮水安全和下游生态安全都具有重要作用。本文利用2014—2018年在黑河流域开展1∶50 000水文地质调查所获取的资料,研究了黑河干流和丰乐河两个典型剖面的水化学和同位素变化规律。结果表明,黑河中游盆地地下水主要来源于祁连山区大气降水补给,黑河干流区地下水氘氧同位素比丰乐河流域更为富集,反映了氘氧同位素的高程效应。在丰乐河流域排泄区发现了非现代气候条件下形成的古水,说明现在的盐湖盆地早期就是地下水滞留区。山前戈壁带含水层经长期淋滤作用,地下水溶解性总固体(total dissolved solids,TDS)较低,水化学类型以重碳酸型为主。溢出带以北下游地区TDS逐步增高,地下水类型以硫酸型、硫酸-氯型为主,具有两种地下水化学背景和演化模式:一种是石膏溶解-碳酸盐沉淀析出-氯化物溶解-缓慢的硅酸盐非完全溶解和阳离子交换反应模式;另一种在此基础上增加硫酸钠溶解演化模式。流域补给区和径流区地下水TDS升高的主要原因是溶滤作用。丰乐河排泄区地下水TDS升高的主要原因仍是溶滤作用,溶滤盐分的来源是表层的盐分,以石盐为主。黑河干流排泄区由于含水层较薄,水位埋深较浅,蒸发对地下水咸化的影响更大。 相似文献