共查询到18条相似文献，搜索用时 109 毫秒
1.
准确而可靠地预测地下水埋深对生态环境保护和水资源规划管理具有重要意义。针对吉林西部浅层地下水位动态变化的复杂性和非线性,提出了基于小波分析与人工神经网络相结合的预测方法——小波神经网络(WA-ANN)模型。将研究区2002年1月-2009年12月当月降水量、蒸发量、人工开采量和前月平均地下水埋深4个参数作为输入,当月平均地下水埋深作为输出,建立浅层地下水埋深预测模型,并与BP神经网络(BP-ANN)模型和自回归移动平均(ARIMA)模型进行比较,对比分析了三者的建模过程及其模拟精度。结果显示:相比两种ANN模型,ARIMA模型建模过程更为简单,计算效率更高;但WA-ANN模型的拟合精度高于BP-ANN和ARIMA模型,预测效果更好。总体来看,WA-ANN模型在浅层地下水埋深预测中具有一定的应用推广价值。 相似文献
2.
为提高多种典型人工神经网络应用于降水预报的精度与稳定性并做出优选,对太湖流域湖西区丹徒、丹阳、金坛、溧阳、宜兴5站的年降水量时间序列建立基于组成成分分析的人工神经网络模型,并通过平均相对误差、平均绝对误差、均方根误差及合格率4项评价指标对比分析预报效果。该模型采用Mann-Kendall法、秩和检验法、谱分析法进行组成成分分析;建立BP网络、小波神经网络、RBF网络、GRNN网络及Elman网络模拟并预测随机成分,与确定性成分叠加得年降水量预报结果。在湖西区的研究结果表明,基于组成成分分析的人工神经网络模型的拟合及预测精度高于原始人工神经网络和线性自回归模型,GRNN网络的预测精度与稳定性高于其他4类神经网络。 相似文献
3.
为解决传统数据驱动模型的不足,使其能实现降雨径流过程高精度连续模拟,提出新型耦合数据驱动模型——PEK,即:基于偏互信息的输入变量选择、基于新型集成神经网络的出流量预测和基于K最近邻模型的出流量误差预测。PEK模型具有以下特点:(1)提出了基于分离式选择策略和滑窗累积雨量的模型候选输入向量,并与基于偏互信息的输入变量选择方法联合使用,提高了输入信息的充分性和无冗余性,对建立精度高、泛化能力强的高质量模型意义重大;(2)提出了新型集成神经网络——EBPNN及其率定方法。联合使用NSGA-II多目标优化算法和早停止Levenberg-Marquardt算法,通过一次优化过程同时确定全局最优个体网络个数、各个体网络拓扑结构和网络参数。个体网络权重由基于AIC信息准则的权重优选方法确定。EBPNN在模拟精度和网络复杂度间取得了良好折衷,精度高、泛化能力强、率定结果客观;(3)PEK模型能够进行多步外推预报,实现了非实时校正模式下的高精度连续模拟,增长了预见期;(4)PEK模型不需要进行流域状态变量的计算,仅需初始出流量就可进行出流量的连续模拟。在呈村流域应用PEK和CLS两个数据驱动模型进行次洪降雨径流模拟及精度比较。结果表明PEK模型使用简便,模拟精度高于CLS模型,实现了多步外推的高精度连续模拟,增长了数据驱动模型的预见期。 相似文献
4.
预测滑坡地下水位的动态演变过程对滑坡稳定性分析具有重要意义, 三峡库区库岸滑坡地下水位时间序列受多种因素影响, 呈现出高度非线性非平稳的特征.为对其进行预测, 提出一种基于相空间重构的小波分析-粒子群优化支持向量机(wavelet analysis-support vector machine, 简称WA-PSVM)模型.该模型引入小波变换法对地下水位序列进行时频分解, 将非平稳的地下水位序列转变为多个不同分辨率尺度下的较平稳的地下水位子序列; 然后重构各子序列的相空间, 再利用PSVM(全称support vector machine)模型对地下水位各子序列进行预测, 最后将各子序列预测值相加得到最终预测结果.以三峡库区三舟溪滑坡前缘STK-1水文孔日平均地下水位序列为例, 首先分析滑坡前缘地下水位变化的影响因素, 再将WA-PSVM模型应用于地下水位预测, 并与单独PSVM模型和小波分析-BP网络模型(wavelet analysis-back propagation, 简称WA-BP)作对比.结果表明: 滑坡前缘地下水位受降雨和库水位影响较大, 利用WA-PSVM模型对STK-1水文孔地下水位进行预测的均方根误差为0.073m、拟合优度为0.966, WA-PSVM模型预测精度高于单独PSVM模型和WA-BP模型.WA-PSVM模型解决了地下水位序列非线性非平稳的问题, 在不考虑影响因素的情况下能获得满意的预测效果, 具有较高的建模效率和较强的实用性. 相似文献
5.
不同小波函数对灰色模型精度影响分析 总被引：1，自引：0，他引：1
针对小波灰色模型在水文序列预测中面临的小波函数的选择问题,采用安庆站1956~2011年实测降雨量作为算例,以传统的灰色模型预测值作为参考,考虑了Haar、Db、Smy、Coif、Bior、Rbio、Dmey等7种小波基函数,通过方差和纳什系数作为模型预测评价指标,对不同小波灰色模型精度影响进行了分析。结果表明:不是所有小波函数与灰色模型耦合都能提高模型的精度;安庆站1956~2011年实测降雨量水文序列来说,db1小波函数对模型精度提高的效果最明显。 相似文献
6.
文章介绍了粒子群算法（PSO）和小波神经网络的基本原理，把基于粒子群小波网络的混合算法应用到非线性回归问题中，并对算法解决非线性回归问题进行了实践分析，最后建立了测井响应值和物性参数孔隙度之间的回归模型。从仿真结果可以看出，本方法的回归值和岩心分析值符合较好，表明粒子群小波网络进行非线性回归分析是一种有效的数据回归方法。 相似文献
7.
大坝安全诊断的混沌优化神经网络模型 总被引：2，自引：0，他引：2
为了提高大坝变形的预测精度，采用小波变换和分形理论对大坝位移观测数据的非线性动力学特性进行了分析，揭示了其具有低维混沌动力特性，这为大坝变形预测模型的建立提供了理论依据和先验知识。基于低维混沌动力特性，设计了能捕获大坝位移观测数据全局动力特性，兼具神经网络模型结构优化和动力机制时新的混沌优化神经网络大坝变形预测模型。在工程实例中，由多个度量指标组成量化评价体系，对模型预测性能进行综合评价，结果表明，所建模型比传统BP神经网络和APMA模型具有更高的预测精度。 相似文献
8.
9.
运用BP网络预测地下水位 总被引：15，自引：0，他引：15
人工神经网络是一门新兴的交叉学科，是处理非线性问题的有效方法。本文把影响地下水位的因素集作为网络的输入向量，地下水位本身作为网络的输出向量，构成了预测地下水位的ＢＰ网络模型。一个实例的应用实践表明，用ＢＰ网络预测地下水位较准确地反映了客观实际，比其它方法如回归模型具有较高的拟合严谨和预测精度。 相似文献
10.
锚固系统质量检测的小波分析法 总被引：4，自引：2，他引：4
波动方程的有限元数值解表明，对锚杆灌浆体内部缺陷的探测，可用声速、幅值、波形等声参数作为判断的依据。基于小波包分析得到的能量特征向量，可以作为缺陷特征向量进行无损检测。人工神经网络这类非线性动力学系统运用于该灰色系统的质量预测，可取得良好的效果。 相似文献
11.
12.
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
13.
14.
小波神经网络在基桩动测信号处理中的应用 总被引：1，自引：0，他引：1
基于小波变换的时频局部化特性及人工神经网络的非线性映射特性，将小波变换和人工神经网络的优点结合起来，从基桩动测信号二进小波变换的频域中提取特征，最后将这些特征输入人工神经网络进行训练和分类，进而实现基桩缺陷的诊断。数值模拟试验显示了该方法的合理性，在此基础上进行了工程桩的现场试验研究，结果表明训练成功的神经网络可以作为智能分类器对基桩常见缺陷进行识别和诊断。 相似文献
15.
16.
盾构施工地面长期沉降的神经网络预测 总被引：1，自引：0，他引：1
基于逆传播人工神经网络方法，建立了盾构施工地面长期沉降的非线性预测模型，建立了沉降与诸多影响因素：所处位置、时间、上覆土性参数及盾构施工参数等的关系模型。通过在上海地铁2号线龙东路一中央公园站区间资料的验证，发现与实际比较吻合。 相似文献
17.
小波分析和RBF神经网络在地基沉降预测中的应用研究 总被引：4，自引：2，他引：2
地基沉降是一种危害很大的环境灾害.地基沉降的监测数据经常受降雨及工程施工等诸多外界因素的干扰,故而在沉降曲线中存在许多数据突变点.为此,提出基于小波分析与RBF神经网络相结合的新的地基沉降预测方法,首先采用小波分析对对原始监测数据进行数据去噪处理,进而得到反映实际变化的地基沉降曲线,然后采用径向基函数(RBF)神经网络方法对其进行预测,为工程设计提供依据.最后结合工程实例分析,通过多种小波去噪与预测结果的对比研究,表明3次B样条小波的去噪及预测效果最好,与实测值能较好地吻合,具有较好的工程应用前景. 相似文献