共查询到19条相似文献，搜索用时 171 毫秒
1.
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
2.
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
3.
针对尾矿坝安全监测需要对尾矿坝地下水位进行预测及时分析尾矿坝稳定性的问题,提出利用主成分分析和神经网络建立尾矿坝地下水位的预测模型。首先采用自相关分析选择预测模型的输入变量,然后利用主成分分析法对原始多维输入变量进行降维和去相关处理,最后利用提取的主成分作为神经网络的输入,对某尾矿坝地下水位进行预测实验。实验结果表明,经过主成分分析处理后的神经网络预测模型不仅简化了网络的结构,具有更高的预测精度,而且提高了网络泛化性能和稳定性。 相似文献
4.
基于自回归神经网络的时间序列叶面积指数估算 总被引：2，自引：0，他引：2
叶面积指数LAI是众多气象、环境、农业等模型的关键输入参数。尽管具有多个传感器的全球LAI产品已经相继发布,但是由于受反演方法的局限性以及反射率产品质量的影响,这些由单一传感器数据得到的LAI产品在时间上表现出一定的不连续性,这与自然生长植被的LAI变化规律不能一致。而神经网络在对复杂的、非线性数据的模式识别能力方面具有出色的表现。如在3层神经网络中,只要对隐层采用非线性递增映射函数,输出层采用线性映射函数,就可以用于对任意连续函数进行逼近。对于具有相同植被覆盖类型的同一地点多年的LAI数据,在无自然灾害和人为破坏的前提下,可以构成一个非线性的、连续的时间序列。通过融合MODIS和VEGETATION两种传感器产品,在利用相同植被类型的LAI时间序列来建立自回归神经网络,即NARX神经网络的同时,引入红、近红外和短波红外3个波段上时间序列的反射率以及相应的太阳天顶角、观测天顶角和相对方位角作为NARX神经网络的外部输入变量,并最终达到估算时间序列LAI的目的。验证结果表明,NARX神经网络非常适用于时间序列的LAI估算,并且其预测的LAI比原始的MODIS LAI在时间序列上表现的更连续和平滑。因此,该方法在... 相似文献
5.
影响矿坑充水的因素多且复杂,矿坑涌水量预测模型主要考虑降水、地表水、引水灌溉等影响因素,因变量和自变量的关系比较复杂。将偏最小二乘回归与神经网络耦合,建立了矿坑涌水预报模型。模型将自变量利用偏最小二乘回归处理,提取对因变量影响强的成分,既可以克服变量之间的相关性问题,又可以降低神经网络的输入维数,并能较好地解决非线性问题,提高了模型的学习能力和表达能力。以河南鹤壁八矿涌水量为例,建立了基于偏最小二乘回归和神经网络耦合的矿坑涌水量预测模型。计算验证表明,该类模型具有较高的预报精度和推广应用价值。 相似文献
6.
采用相关分析法,在区域降水、观测断面流量(或水位)因子中识别出影响预报断面径流过程的主要变量,在多个观测断面的数据均为流量情况下,采用基于时延组合的合成流量为影响预报断面径流过程的变量,采用自相关分析法,识别出影响预报断面径流过程的前期流量(或水位),以这些变量为BP神经网络模型的输入,以预报断面的流量(或水位)为模型的输出,在BP神经网络隐层节点数自动优选的基础上,构建了基于BP神经网络的洪水预报模型。将模型载入中国洪水预报系统中,应用结果表明:模型在历史洪水训练样本具有一定代表性的情况下,可获得较高的预报精度。 相似文献
7.
土壤冻结温度与未冻水含量是冻土的重要物理参数,影响因素多,关系复杂.利用BP网络模型来描述冻结温度与未冻水含量及其与主要影响因素之间的关系,效果良好.该模型直接根据试验数据通过神经网络的自学习能力寻求输出变量与输入变量间的内在非线性规律,其优点在于可利用一个神经网络同时描述多个因素对冻结温度及未冻水含量的影响. 相似文献
8.
基于BP神经网络的土壤冰结温度及未冰水含量预测模型 总被引：5，自引：4，他引：5
土壤冻结温度与未冻水含量是冻土的重要物理参数，影响因素多，关系复杂，利用BP网络模型来描述冻结温度与未冻水含量及其与主要影响因素之间的关系，效果良好，该模型直接根据试验数据通过神经网络的自学习能力寻求输出变量与输入变量间的内在非线性规律，其优点在于可利用一个神经网络同时描述多个因素对冻结温度及未冻水含量的影响。 相似文献
9.
为可靠预测基坑周边地表沉降的发展趋势,提出了一种基于混合蛙跳算法和广义回归神经网络模型的基坑地表最大沉降预测模型（SFLA-GRNN模型）。首先,在沉降机制分析并初选输入变量集的基础上,利用灰色相关度分析对模型输入、输出变量的相关性进行量化,并剔除与输出变量相关性明显偏小的输入变量;其次,利用混合蛙跳算法（SFLA）对广义回归神经网络模型（GRNN）的平滑因子进行优化确定,减少人为因素对模型精度和泛化能力的不良影响;最后,利用筛选得到的输入变量集建立基坑地表最大沉降预测的广义回归神经网络模型。实例应用及对比计算结果表明,基于灰色相关度的输入变量筛选和基于混合蛙跳算法的平滑因子优化均能够有效提高广义回归神经网络模型的精度和泛化能力,以上结论可为类似变形预测提供参考。 相似文献
10.
基于非平稳时间序列分析的滑坡变形预测 总被引：4，自引：0，他引：4
滑坡的位移监测资料通常可用来预测滑坡的变形发展趋势,位移的发展反映了滑坡的变形过程.为了预测在现有条件持续情况下的滑坡变形趋势,将滑坡位移监测数据视为非平稳时间序列,应用时间序列分析方法,建立了滑坡变形趋势的预测模型.以三峡库区秭归县白水河滑坡为例,通过对变形预警区监测点位移实测时间序列的分析,取监测点ZG93和XD-04为代表,建立了时间序列预测模型,从第17个月开始向前做6步预测,分析预测曲线与实测曲线之间的关系,并计算预测误差,结果显示除个别数据点之外,预测误差均在±9%以内,曲线吻合较好,说明所建模型效果良好,从而为判断白水河滑坡未来的变形发展趋势提供了可靠的理论依据. 相似文献
11.
Landslide susceptibility analysis based on ArcGIS and Artificial Neural Network for a large catchment in Three Gorges region,China 总被引：1，自引：0，他引：1
Renneng Bi Markus Schleier Joachim Rohn Dominik Ehret Wei Xiang 《Environmental Earth Sciences》2014,72(6):1925-1938
A landslide susceptibility map is very important and necessary to efficiently prevent and mitigate the losses brought by natural hazard for a large area. For the purpose of landslide susceptibility analysis for the whole Xiangxi catchment (3,209 km2), Artificial Neural Network (ANN) analysis was applied as the main method. The whole catchment was divided into two parts: the training area and the implementation area. The backwater area (559 km2) of Xiangxi catchment was used as the training area for the ANN method. In the training area the correlations between the landslide distribution and its causative factors, which includes lithology, slope angle, slope curvature and river network, have been analyzed based on the geological map and digital elevation model (DEM). The back-propagation training algorithm in ANN was selected to train the sample data from the training area, which were composed of input data (causative factors) and target output data (landslide occurrence), in order to find the correlations between them. Based on these correlations and input data in the implementation area (causative factors), the network output data were obtained for the implementation area. In the end, a map of landslide susceptibility, which was established by network output data, was presented for Xiangxi catchment. ArcGIS was applied to extract and quantify input information from a DEM for susceptibility analysis and also to present the result visually. As a result, a landslide susceptibility map, in which 70 % of all landslides are rightly classified in the training area (backwater area), was created for Xiangxi catchment. 相似文献
12.
Using of neural networks for the prediction of nitrate groundwater contamination in rural and agricultural areas 总被引：1，自引：0，他引：1
Khamis Al-Mahallawi Jacky Mania Azzedine Hani Isam Shahrour 《Environmental Earth Sciences》2012,65(3):917-928
As a neural network provides a non-linear function mapping of a set of input variables into the corresponding network output,
without the requirement of having to specify the actual mathematical form of the relation between the input and output variables,
it has the versatility for modeling a wide range of complex non-linear phenomena. In this study, groundwater contamination
by nitrate, the ANNs are applied as a new type of model to estimate the nitrate contamination of the Gaza Strip aquifer. A
set of six explanatory variables for 139 sampled wells was used and that have a significant influence were identified by using
ANN model. The Multilayer Perceptrons (MLP), Radial Basis Function (RBF), Generalized Regression Neural Network (GRNN), and Linear Networks were used. The best network found to simulate Nitrate
was MLP with six input nodes and four hidden nodes. The input variables are: nitrogen load, housing density in 500-m radius
area surrounding wells, well depth, screen length, well discharge, and infiltration rate. The best network found had good
performance (regression ratio 0.2158, correlation 0.9773, and error 8.4322). Bivariate statistical test also were used and
resulting in considerable unexplained variation in nitrate concentration. Based on ANN model, groundwater contamination by
nitrate depends not on any single factor but on the combination of them. 相似文献
13.
A Spatial Analysis Neural Network (SANN) algorithm was applied for the analysis of geospatial data, on the basis of nonparametric statistical analysis and the concepts of traditional Artificial Neural Networks. SANN consists of a number of layers in which the neurons or nodes between layers are interconnected successively in a feed-forward direction. The Gaussian Kernel Function layer has several nodes, and each node has a transfer or an activation function that only responds (or activates) when the input pattern falls within its receptive field, which is defined by its smoothing parameter or width. The activation widths are functions of the model structural parameters, including the number of the nearest neighbor points P and a control factor F. The estimation method is based on two operational modes, namely, a training-validation mode in which the model structure is constructed and validated, and an interpolation mode. In this paper we discuss the effect of varying F and P upon the accuracy of the estimation in a two-dimensional domain for different input field sizes, using spatial data of wheat crop yield from Eastern Colorado. Crop yield is estimated as a function of the two-dimensional Cartesian coordinates (easting and northing). The results of the research led to the conclusion that optimal values of F and P depend on the sample size, i.e., for small data sets F=1.5 and P=7 while for large data sets F=2.5 and P=9. In addition, the accuracy of the interpolated field varies with the sample size. As expected for small sample sizes, the interpolated field and its variability may be significantly underestimated. 相似文献
14.
基于粗糙神经网络的坡面雨滴溅蚀量研究 总被引：1，自引：0，他引：1
提出采用粗糙神经网络预测坡面雨滴溅蚀量。用粗糙集方法中条件属性与决策属性相对依赖的概念约简某雨滴溅蚀量试验中的冗余信息,去掉了坡度、雨强、水深、单宽流量4个试验指标中水深和单宽流量两个指标,建立了以坡度、雨强为输入,溅蚀量为输出的2−5−1的粗糙神经网络模型,简化了神经网络的结构,减少了网络的训练时间。实例计算中信息约简后预测值与试验值线性回归的相关系数大于未约简时的相关系数值,计算速度也有所提高。实例计算表明,粗糙神经网络为坡面雨滴溅蚀量预测研究提供了一种有效可行的算法。 相似文献
15.
16.
自Hinton等使用基于卷积神经网络的深度学习模型赢得Image Net分类比赛以来,深度学习的研究席卷了各个行业。通过介绍深度学习的历史,探索国内地质行业中深度学习模型的使用情况,并介绍深度学习的基础概念(如神经元、神经网络、监督学习和无监督学习等)以及深度学习基础模型中的2个重要网络:深度信念网络(DBN)和卷积神经网络(CNN)。在此基础上,类比深度学习在医学等相关领域的应用,提出了深度学习在地质上的几点应用:利用深度学习在计算机视觉上表现出的强大能力,可以对遥感图像进行聚类、对岩石样品图像进行分类、对岩石薄片数据进行描述;利用深度学习对原始数据表现出的强大识别能力,处理地质异常数据,从而确定成矿靶区的可能位置;利用深度学习的特点,对地震前的声信号数据进行处理,从而判断出地震发生前的剩余时间。 相似文献
17.
本文详细分析了山西辛安岩溶泉的水文地质条件,并通过对泉域岩溶水的补给、径流、排泄条件的分析,将辛安泉域概化为单输入单输出线性时不变集中参数随机系统的概念模型。利用24年的水文序列资料进行基流分割,获得泉多年月平均流量过程曲线,求得泉年平均流量和年平均补给量。在此基础上,应用滑动平均模型（MA）,自回归—滑动平均模型（AR-MA）及泉流量调和分析—残差自回归等三个模型,对泉域地下水进行模拟,获得了满意的结果,不仅揭示了泉水动态特征,而且对泉流量动态进行了预报,为晋东南区域经济规划提供了有益资料。 相似文献
18.
Pamela G. Doctor 《Engineering Geology》1989,26(4):411-429
Sensitivity and uncertainty analyses methods for computer models are being applied in performance assessment modeling in the geologic high-level radioactive-waste repository program. The models used in performance assessment tend to be complex physical/chemical models with large numbers of input variables. There are two basic approaches to sensitivity and uncertainty analyses: deterministic and statistical. The deterministic approach to sensitivity analysis involves numerical calculation or employs the adjoint form of a partial differential equation to compute partial derivatives; the uncertainty analysis is based on Taylor series expansions of the input variables propagated through the model to compute means and variances of the output variable. The statistical approach to sensitivity analysis involves a response surface approximation to the model with the sensitivity coefficients calculated from the response surface parameters; the uncertainty analysis is based on simulation. The methods each have strengths and weaknesses. 相似文献
19.
给出一种能反映宏观决策意图的模糊优选神经网络模型,经用于大连市经济与水资源、环境可持续发展决策,取得了满意结果。 相似文献